Compositional Manipulation上級
ViGARが視覚サブゴール計画と実行を分離、RoboTwin Randomで67.02%を達成
北京大学などの研究チームは、長期の合成的ロボット操作を視覚サブゴール計画とサブゴール実行に分解するViGARを提案した。ViGARは世界モデルを共有し、RoboTwin Clean2RandomでClean 82.00%、Random 67.02%の成功率を達成し、最強ベースラインを平均12.86ポイント上回った。実機でも5つの合成操作タスクと2つの文脈内学習タスクで有効性を確認した。本論文はプレプリントである。