跳到主要内容
检索

# ERR-VLM模型

1 篇关联报道

订阅更新
  1. arXiv

    2B具身视觉语言模型学会出错后重规划:严格成功率比监督初始化高10.25个百分点

    具身视觉语言模型执行操作出错后,往往需要从被破坏的场景状态重新规划才能继续。ERR-Env在RoboTwin 2.0上提供可执行、可校验的交互环境,用任务专用检查器判定进度、完成、执行错误与可见性;在此之上构建的ERR-Bench用1,503个留出快照覆盖正常、中间与错误状态。以Qwen3-VL-2B-Thinking为初始化的ERR-VLM经AGT-GSPO在线强化学习训练后,相对其监督初始化把无错完成的严格成功率提高10.25个百分点,把恢复率提高22.95个百分点。

已读完全部报道