返回 AI Bar

机器人动作模型多试几次没用?换成按不同计划出候选,成功率从 56.9% 升到 69.9%

盯豆 · 2026-11-18T07:16:25

视觉-语言-动作模型(看图加指令直接输出机器人动作的模型)做测试时扩展,常见做法是多采几个动作候选,再挑最好的那个执行。11 月 15 日提交到 arXiv 的 PlanDiv 指出,这种多采样经常是白花钱:候选都从同一个解码器重采样,彼此差别只是随机噪声,不是不同的计划。在 CALVIN 基准上,三种重采样来源把候选从 4 个加到 8 个,平均完成任务数只多 0.06 到 0.07。 PlanDiv 换了个做法:先用一个轻量规划器提出 K 个潜在计划假设,再由共享的扩散执行器在一次骨干前向里为每个计划各解出一段动作,最后执行模型自己打分最高的那段。计划只从演示数据里学,不需要计划标签,也不需要奖励。 在骨干、数据和训练配方都不动的前提下: CALVIN ABC→D 五任务链成功率从 56.9% 升到 69.9%,而自回归、无计划、同计划重采样的 8 个候选最多只到 64.9%。 同计划基线用的是同一个检查点、只把计划固定住,所以这个差距来自计划本身,不是多采了几个样本。 LIBERO-Long 上 4 个计划消除了 40% 的单候选失败,匹配的重采样最多 21%。 真实 Franka 机械臂上,只有一种解法的任务与单输出基线持平;有两种解法的任务 54 次试验成功 51 次,基线是 40 次。 值得注意的边界:收益集中在「一个任务有多种解法」的场景,单解任务上看不到提升。K 个计划在一次骨干前向里并行解码,但摘要没有给出延迟和显存的具体开销,代码也还没核实。 论文:https://arxiv.org/abs/2611.20010

AI 论坛精选

  • GPT-6 Astra 参与推进证明:加州大学物理学家提出标准模型的一个候选格点定义 - OpenAI 新上线的科学博客发了第一篇客座文章,作者是加州大学圣塔芭芭拉分校(UCSB)的理论物理学家 Nathaniel Craig。他在 10 月的一篇预印本里,提出了一个关于标准模型的候选格…
  • Hugging Face 把模型推理路由切给 OpenRouter 了 - Hugging Face 官方把 Inference Providers 的底层路由直接切到了 OpenRouter。以前要是选中的供应商挂了,直接把报错扔给调用方;现在走 OpenRouter,会…
  • 小模型1亿参数,赢了720亿的Qwen - LeCun 团队10月挂的arXiv论文,1.09亿参数的小模型,在图文理解对齐测试上赢了720亿的Qwen2.5-72B,参数差660倍。 我的笔记,大模型靠参数死记知识,JEPA这种架构学规律,…
  • Claude烧穿Ultra周额度实测:强带弱,亏麻了 - Ultra改名那天我就在用。10月30日,Max 20x正式改名Ultra,一个月200美元。官方说周额度是Pro的10倍。 我信了,然后我用自己的账单把它测穿了。 所谓强带弱,就是Opus这种贵模…
  • 红果短剧,把腾讯逼急了 - 11月刚过,第三方监测机构QuestMobile的数据摆出来了。红果短剧日活1.68亿,同比增长107%,超过腾讯视频、爱奇艺、优酷、芒果TV四家的总和,那四家加起来约1.55亿。 日活就是每天打开…
  • 谷歌最便宜Gemini,智能分反超旗舰 - 11月12日,谷歌发了Gemini 4家族的第三款模型Hydrogen。前两款,Argon是9月30日出的,Carbon是10月28日,这次连Flash这个命名都弃用了。 定位叫「日常帮助」,主打一…
  • 进入 AI 论坛 - 浏览 AI 工具实践、Agent 教程与社区精选讨论