arXiv · cs.RO· Long Li, Qichao Zhao, Yue Yang, Fan Xu, Zhe Wang, Alan Wee-Chung Liew, Chao Qu, Heng Tao Shen, Shirui Pan·· 7 小时前精选AI 评分72
论文 / 摘要阅读
Spotter：让具身模型主导执行、VLM 并行反思纠错
Spotter: Let the Embodied Model Lead, and the VLM Reflect for It
AI 导读 · 根据来源整理
Spotter 提出反转角色分工的具身纠错框架：具身模型持续主导执行，VLM 并行运行并通过轻量本地筛查器监测，仅在检测到错误时介入反思纠正后交还控制权。作者指出当前具身模型在失败后很少能自行修复，best-of-N 选择也无法在失败后挑出成功候选，原因在于只用成功演示训练、输入信息过窄。以 Qwen 和 GPT 作为 VLM 均带来提升：用 GPT 时在 RoboCasa 上使 Cosmos Policy 和 π0.5 分别提升 5.6 和 7.5 个百分点。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org