← 机器人智能体 / 语言与环境理解

正式发表 / Robot Agentic

EmbodiedGPT

EmbodiedGPT: Vision-Language Pre-Training via Embodied Chain of Thought

NeurIPS · 2023CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
语言规划与低层策略特征NeurIPS 2023 · Fig. 2 · p.4 ↗

用视觉语言预训练和具身思维链数据训练规划接口,再将查询到的计划特征用于低层策略学习。

  1. 01对齐视觉与语言
  2. 02学习具身计划
  3. 03将计划特征用于控制
EmbodiedGPT语言规划与低层策略特征
语言规划与低层策略特征

用视觉语言预训练和具身思维链数据训练规划接口,再将查询到的计划特征用于低层策略学习。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

用视觉语言预训练和具身思维链数据训练规划接口,再将查询到的计划特征用于低层策略学习。

WHY READ IT

为什么放在这条路线

与直接动作 token 的 VLA 对照,它强调语言计划和任务相关特征如何帮助下游控制。

当前阶段语言与环境理解 ↗

语义、三维观测和可供性怎样落地?

READ WITH A QUESTION

读的时候,留意什么

计划表述合理与物理执行成功是不同证据;下游控制仍有独立训练数据与策略网络。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器