← 机器人智能体 / 执行反馈与技能

正式发表 / Robot Agentic

RT-H

RT-H: Action Hierarchies Using Language

RSS · 2024
GitHub 未确认Stars —引用 278

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
语言动作层级与纠正学习RT-H · 原文 Fig. 2 · p.4 ↗

先预测“向左移动”等语言动作,再结合任务和观测生成低层动作 token,并用语言干预修正高层动作模型。

  1. 01预测语言动作
  2. 02条件生成控制 token
  3. 03用语言纠正高层策略
RT-H语言动作层级与纠正学习
语言动作层级与纠正学习

先预测“向左移动”等语言动作,再结合任务和观测生成低层动作 token,并用语言干预修正高层动作模型。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

先预测“向左移动”等语言动作,再结合任务和观测生成低层动作 token,并用语言干预修正高层动作模型。

WHY READ IT

为什么放在这条路线

连接 VLA 与 Agent:层级中间表示既可共享动作结构,也为人在回路中的纠错提供接口。

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

语言动作需要落到已训练的低层控制分布;干预更新并不保证任意新任务立即学会。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器