热点事件持续更新
Spotter：具身模型主导执行与VLM并行反思纠正架构
2 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026-09-30，arXiv发表两篇相关研究。第一篇提出Spotter架构，让具身模型持续执行、VLM并行监控并在检测到错误时介入反思纠正；实验显示结合Qwen或GPT作为VLM后，Cosmos Policy和π₀.₅在RoboCasa分别提升5.6和7.5个百分点，π₀.₅在RoboTwin 2.0 Hard设置下从47.2%升至57.0%，真实机器人上从53%升至83%。第二篇提出三阶段强化微调（RFT）流水线训练多智能体VLA模型，在RoboTwin、RoboFactory和真实场景双臂Franka机器人任务上平均成功率分别提升23.1%、16.4%和44%，基于π₀和π₀.₅骨干网络，代码已公开。两篇研究均于同日发布，分别从监控纠正与多智能体协作角度推进具身模型能力。
AI 根据报道生成 · 2 小时前更新
事件进展
2 个进展
- 9月30日 12:00 · 1 篇报道Cooperative Multi-Agent Vision-Language-Action Models via RearXiv · Robotics：合作式多智能体视觉-语言-动作模型通过强化微调
- 9月30日 12:00 · 1 篇报道Spotter: Let the Embodied Model Lead, and the VLM Reflect foarXiv · Robotics：Spotter：让具身模型主导执行，VLM 并行反思纠正
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Robotics精选Spotter：让具身模型主导执行，VLM 并行反思纠正
Spotter 提出让具身模型持续执行、VLM 并行监控并在检测到错误时介入反思纠正的架构。实验显示，结合 Qwen 或 GPT 作为 VLM 后，Cosmos Policy 和 π₀.₅ 在 RoboCasa 分别提升 5.6 和 7.5 个百分点，π₀.₅ 在 RoboTwin 2.0 Hard 设置下从 47.2% 升至 57.0%，真实机器人上从 53% 升至 83%。
- arXiv · Robotics合作式多智能体视觉-语言-动作模型通过强化微调
提出三阶段强化微调（RFT）流水线训练多智能体VLA模型，在RoboTwin、RoboFactory和真实场景双臂Franka机器人任务上平均成功率分别提升23.1%、16.4%和44%。该方法基于π₀和π₀.₅骨干网络，通过初始化感知数据采集、离线信用筛选微调与潜在空间在线微调三阶段实现多机器人协作。代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。