通过技能与执行框架演化实现自我进化的具身智能体
该研究提出了 SHAPER，这是一种无需额外训练或更新模型参数即可适应具身智能体的框架。它利用冻结的基础模型，通过目标环境中的运行结果改进可复用技能，以及结合上下文和代码的执行框架。研究在 VLABench 和 ESI-Bench 上进行了评估，涵盖使用不同低层动作接口的智能体，并将 SHAPER 与直接执行、监督微调和推理时扩展方法进行比较。结果表明，当模型训练成本高昂、无法进行或不受欢迎时，优化技能和执行框架可能是一种实用方案。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。