面向通用机器人：利用视觉语言模型编排机器人模块
信号处理
2025-11-04 v1 机器学习
摘要
当今最佳探索的路径集中在收集越来越大的“观察—动作”机器人数据集以训练大型端到端模型， 复制已成功用于视觉语言模型（VLM）的配方。 我们走一条更少被探索的道路： 围绕 VLM 构建通用策略，通过精心策划的感知、规划和控制模块组合来增强其通用能力。在 Maestro 中， VLM 编码代理动态地将这些模块组合成当前任务和情境的程序化策略。 Maestro 的架构受益于简化的闭环界面， 无需许多手动施加的结构约束， 并具备全面且多样的工具集合。结果，它在挑战性操作技能上基本超越了当今的 VLA 模型， 实现零样本性能。此外， Maestro 易于集成新模块， 易于编辑以适应新的本体构件（如四足机器人挂载机械臂）， 甚至可以通过本地代码编辑从最小的真实世界经验中进行适应。
引用
@article{arxiv.2511.00919,
title = {Towards Channel Charting Enhancement with Non-Reconfigurable Intelligent Surfaces},
author = {Mahdi Maleki and Reza Agahzadeh Ayoubi and Marouan Mizmizi and Umberto Spagnolini},
journal= {arXiv preprint arXiv:2511.00919},
year = {2025}
}