EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/13 21:44·重要度 77

ESI:LLM-VLA 智能体自我改进飞轮框架

ESI: An Embodied Self-Improvement Flywheel for LLM-VLA Agents

AI 摘要

Yundi Cai 等人提出 ESI(具身自我改进)飞轮,把由 LLM 与 VLA 组成的模块化智能体作为后训练单元,利用环境交互产生监督信号,循环优化引导 LLM 的提示、表达意图的共享技能接口以及执行意图的 VLA 参数,并整体重新部署。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。

同板块相关

模型重要15 小时前

ScaleVLA:VLA模型扩展至5520亿参数

研究团队提出ScaleVLA,将5520亿参数的DeepSeek-V4.1-Flash骨干网络与可训练的动作DiT连接,在统一训练设置下系统对比2B至552B规模VLA的表现:仅用10条演示即达87.8%成功率,超过2B骨干网络使用50条演示时的85.6%;LIBERO-PRO成功率45.1%,小骨干网络最高仅为31.3%。

模型重要3 天前

开源27B模型仅靠仿真强化学习学会操控真实机器人

研究者提出面向机器人智能体的后训练引擎PEAR与机器人使用强化学习(RURL),在纯仿真、无示教条件下训练开放权重27B推理模型,使其像电脑使用智能体一样观察环境、思维链推理并直接输出末端执行器位姿,无需额外封装,并验证仿真中习得的技能可迁移至真实机器人。

模型重要11/09

VLA-MOPD:多任务VLA策略的同策略蒸馏整合

Yongxuan Lv 等提出 VLA-MOPD,将多个任务专用流匹配 VLA 专家整合为共享学生策略。学生采集机器人 rollout,在每个访问观测和 ODE 中间状态查询指令路由的冻结教师,以逐流步过渡目标做同策略蒸馏,缓解混合任务强化学习奖励稀疏和离线蒸馏覆盖不足,实现多任务技能保留。

模型重要3 天前

MARS:融合VLA与强化学习原子技能的多阶段操作框架

Zequan Zeng 等人提出 MARS 模块化原子技能路由系统,将冻结的通用 VLA 策略与多个独立训练的强化学习原子技能策略组合:以共享 RL Token 状态表示和 VLA 参考动作训练专用控制器,并在多阶段任务中动态路由调用。针对抓取、对齐、插入等关键阶段,兼顾通用操作能力与细粒度控制,提升执行精度与稳定性。