Compositional ManipulationExperten
ViGAR: Visuelle Teilzielplanung und Welt-Aktions-Modell für kompositionale Roboter-Manipulation
Das Preprint ViGAR von Peking University, AgiBot und CocoMatrix führt ein hierarchisches Framework ein, das kompositionale Manipulation in visuelle Teilzielplanung und teilzielgeführte Aktionsgenerierung zerlegt. Auf dem RoboTwin Clean2Random Benchmark erreicht ViGAR 82,00 Prozent unter Clean und 67,02 Prozent unter Random und übertrifft die stärkste Baseline im Durchschnitt um 12,86 Prozentpunkte. In realen Roboteraufgaben zeigt das Modell zudem In-Context-Steuerung über ein globales Zielbild ohne Parameterupdate.