RoboAuto：多层级物理理解驱动机器人程序搜索
热点事件持续更新
RoboAuto：多层级物理理解驱动机器人程序搜索
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Buzhao Liu 等作者提出 RoboAuto 机器人程序搜索框架，从物体、场景和交互三个层级组织物理理解，用来指导 LLM 智能体生成和修正操作程序。作者称，该方法在五个基准系列上表现更优：短程 LIBERO-PRO 任务成功率达 89.1%，在 LIBERO-PRO Long 和 LIBERO-Plus 上的平均成功率超过 ASPIRE 的两倍。 作者还称，在三个需要精细操作的长程真实机器人任务上，RoboAuto 优于 ASPIRE 和 π0.5；其知识库可跨模拟器和具身迁移，程序搜索性能随知识库规模提升。上述效果均为作者报告，尚待独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
RoboAuto：通过多层级物理理解实现自主机器人程序搜索报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.RORoboAuto：通过多层级物理理解实现自主机器人程序搜索
RoboAuto 提出一种机器人程序搜索框架，从物体、场景和交互三个层级组织物理理解，用于指导 LLM 智能体生成和修正操作程序。该方法在五个基准系列上取得更优表现，在短程 LIBERO-PRO 任务上成功率达 89.1%，在 LIBERO-PRO Long 和 LIBERO-Plus 上的平均成功率超过 ASPIRE 的两倍。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。