← 机器人智能体 / 执行反馈与技能语言动作层级与纠正学习RT-H · 原文 Fig. 2 · p.4 ↗
正式发表 / Robot Agentic
RT-H
RT-H: Action Hierarchies Using Language
RSS · 2024
关键框架 FRAMEWORK
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。
- 01预测语言动作
- 02条件生成控制 token
- 03用语言纠正高层策略
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。
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