双臂视觉-语言-动作模型中的逐臂组合泛化
这项研究推出 ACG-Bench，用于评估双臂策略能否以新方式重新组合已掌握的基础技能。基准包含八个任务族中的 23 组任务与条件，涵盖未见过的顺序安排、同步要求及跨任务组合。研究人员使用相同的 π_{0.5} 主干模型，比较数据增强和架构策略。结合 SkillLoRA 与逐臂注意力的方法，在模拟中的泛化成功率为 21.53%，而单一 π_{0.5} 策略为 2.94%。在 SO101 机器人上的五种未见条件中，该方法平均成功率为 39%，最强基线为 10%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。