Astra 三层系统在 RoboMME 上以 79.13% 成功率降低大模型调用成本

研究提出一个面向 RoboMME 基准的三层系统：GPT-6 Astra（System 2）从存储的视觉历史中选择接地的子任务，π0.5 视觉-语言-动作策略（System 1）执行该子任务，微调的 Qwen3-VL-4B 监控器（System 1.5）在每个动作块后检查子任务是否完成；指令保持到监控器报告完成或出现任务特定事件，策略则持续基于新观测行动。在 RoboMME 上，系统在 79.13% 的回合中成功。