Long-horizon manipulation with a language-planned world-action model上級
Jiajun Cao, Kai Tang, Bohua Zhang, Zezhong Qian, Ying Li, Xiaozhu Ju, Xiaobao Wei, Jiaming Liu, Yang Ding, Sixiang Chen, Yiding Sun, Siyuan Qian, Tinghao Wang, Jixian Wu, Yichen Guo, Yi Zhang, Shilong Zou, Yong Dai, Jian Tang, Shanghang ZhangState Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University; Beijing Innovation Center of Humanoid Robotics
北京大学と北京人型ロボット創新センターが開発したロボット制御システムLAWは、実機の双腕ロボットで複数工程からなる長い作業3種の65%を最後までやり遂げたと、査読前のプレプリントで報告した。比較したPhysical Intelligenceのpi0.5は28.33%、世界行動モデルFast-WAMは25%だった。20億パラメータの小型言語モデルが工程を計画して完了を判定し、行動と将来の映像を同時に予測するモデルを導く。