← 机器人智能体 / 执行反馈与技能

正式发表 / Robot Agentic

Hi Robot

Hi Robot: Open-Ended Instruction Following with Hierarchical Vision-Language-Action Models

ICML · 2025CCF A
GitHub 未确认Stars —引用 315

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
随用户反馈调整的分层 VLAHi Robot · 原文 Fig. 2 · p.4 ↗

高层 VLM 根据开放指令和图像生成低层语言命令,低层 VLA 结合命令、视觉和关节状态输出动作;用户插话触发高层更新。

  1. 01理解指令与实时纠正
  2. 02生成当前子任务
  3. 03低层 VLA 执行动作
Hi Robot随用户反馈调整的分层 VLA
随用户反馈调整的分层 VLA

高层 VLM 根据开放指令和图像生成低层语言命令,低层 VLA 结合命令、视觉和关节状态输出动作;用户插话触发高层更新。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

高层模型理解复杂指令与用户反馈,低层 VLA 执行具体动作,把语言交互接进机器人任务。

WHY READ IT

为什么放在这条路线

作为 Robot Agentic 与 π 系列的交汇点,区分子任务规划、动作策略和执行中的反馈。

当前阶段执行反馈与技能 ↗

反馈怎样改变规划、动作与后续技能?

READ WITH A QUESTION

读的时候,留意什么

分层不自动保证长任务可靠性;检查反馈如何进入高层、子任务何时切换以及技能覆盖。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器