MIT CSAIL与CMU提出机器人记忆新方法

MIT CSAIL 与 CMU 机器学习系提出名为 Workspace Models 的机器人记忆方法：在离线阶段用大视觉语言模型把长历史观测压缩成隐向量，再训练小型策略模型，让机械臂在毫秒级内规划下一步动作。 据 MIT CSAIL 介绍，在机械臂的虚拟与真实测试中，该系统抓取并收纳方块的成功率约为 92%，比使用智能体查找特定关键帧的次优方法高约 25 个百分点。研究团队称，当前方法需处理长序列输入、计算量随序列增长，未来可能改用循环结构以减少数据输入、降低开销，并计划用机器人专用视觉语言模型提升空间理解与任务执行。 该工作将在本月举行的机器人学习会议 CoRL 上展示。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。