![arxiv：2502.07837v1 [cs.ro] 2025年2月11日](/simg/9/93b35c876d38dc16ed903786765d84ef3dd790f3.webp)
机构名称：
¥ 1.0
体现的智能集成了多种模态，使代理可以同时理解图像，语言和动作。但是，现有模型始终取决于其他数据集或广泛的预培训，以最大程度地提高性能，消耗丰富的培训时间和昂贵的硬件成本。为了解决这个问题，我们介绍了Robobert，这是一种与独特的培训策略相结合的新型端到端机器人操纵模型。该模型利用基于CNN的扩散策略，通过将训练过程分开不同方式来增强和稳定该模型的有效性。它还强调了数据增强的重要性，从而验证了各种技术以显着提高性能。与依赖额外数据或大型基础模型的模型不同，Robobert在仅使用语言标记的专家演示并保持相对较小的模型大小的同时，取得了竞争激烈的成功率。具体来说，Robobert在Calvin基准测试ABCD→D任务上的平均长度为4.52，设置了新的最先进（SOTA）记录。此外，在对真实机器人进行测试时，该模型表现出卓越的性能，比其他使用相同数据训练的方法获得了更高的成功率。我们建议，这些Robobert的这些概念和方法表现出广泛的多功能性和兼容性，这极大地有助于轻巧的多峰机器人模型的发展。可以在https://github.com/peterwangsicheng/robobert 1
arxiv：2502.07837v1 [cs.ro] 2025年2月11日
主要关键词
![arxiv：2502.07837v1 [cs.ro] 2025年2月11日PDF文件第1页](/bimg/0/0876a0da1f127b3b27fe7ef78cfb0c6938e5c64a.webp)
![arxiv：2502.07837v1 [cs.ro] 2025年2月11日PDF文件第2页](/bimg/d/d54d770a5b953dcf42e2780b51a636f0dcca11a8.webp)
![arxiv：2502.07837v1 [cs.ro] 2025年2月11日PDF文件第3页](/bimg/1/1bc6d3fdd86b241875f821fe21858bc9dcf17081.webp)
![arxiv：2502.07837v1 [cs.ro] 2025年2月11日PDF文件第4页](/bimg/7/7a63ddf48e8b865496ab64724692c3045a48bf77.webp)
![arxiv：2502.07837v1 [cs.ro] 2025年2月11日PDF文件第5页](/bimg/a/afdb6b97311664eb915e510c9b97cde326d6e9c5.webp)
相关文件推荐
![arxiv：2502.07192v1 [cs.cv] 2025年2月11日](/simg/a/a52b4213b04afe4ff238254673040f354f77e23c.webp)
![arxiv：2502.07284v1 [cs.cr] 2025年2月11日](/simg/d/df3ff0a7ad3180706db8db5ea47d521c49976c22.webp)
![arxiv：2502.07513v1 [Quant-ph] 2025年2月11日](/simg/7/786b70fad90ac4d1fb891bca238331f962ff29f8.webp)
![arxiv：2502.14892v1 [cs.cv] 2025年2月17日](/simg/b/b495d4ee9dd26d76c8dad02913bbd55ecbbe1439.webp)
![arxiv：2502.06552v1 [cs.cv] 2025年2月10日](/simg/2/2ec25704fa8c4084b7cc7f50ebc9dcbed085615b.webp)
![arxiv：2502.02919v1 [cs.cv] 2025年2月5日](/simg/9/95a89e73bf74ff876d48cdddc14fbb2c556ce799.webp)
![arxiv：2502.04018v1 [cs.lg] 2025年2月6日](/simg/6/62588bb90c6463caf76624b24b4ad5de6c70ffeb.webp)
![arxiv：2502.09484v1 [cs.cr] 2025年2月13日](/simg/5/5f5ba30d8d028843690622a79a7928e241ed3f29.webp)
![arxiv：2502.06869v1 [cs.lg] 2025年2月8日](/simg/9/941a44ebdca8e1e2fe7696dbc01558b91923efad.webp)
![arxiv：2502.05739v1 [cs.cr] 2025年2月9日](/simg/8/8c90dfafcced8491bf122f9146142c704356b63d.webp)
![arxiv：2502.06651v1 [cs.cr] 2025年2月10日](/simg/8/85d07bd4f031075dcff413f6e20fae8b425df70c.webp)
![arxiv：2502.02606v1 [CS.OH] 2025年2月1日](/simg/4/43a0a25d75041d38d927de1a8c18a665a57c24b6.webp)
![arxiv：2502.02710v1 [stat.ml] 2025年2月4日](/simg/6/6f28a11cf1cd61d8abfc07e0c32f7934a963fcd7.webp)
![arxiv：2502.05508v1 [Quant-ph] 2025年2月8日](/simg/e/e73b1ae2125a5ffe0092f47a5f6ba00e45bad86a.webp)
![arxiv：2502.05658v1 [Quant-ph] 2025年2月8日](/simg/a/a2f3dc7502d0c958422e39e7f3956f8ce97f029c.webp)
![arxiv：2502.13333v1 [eess.sy] 2025年2月18日](/simg/2/2f7d7730da70b9787f71348cffaa29ea687584ca.webp)
![arxiv：2502.06956v1 [Quant-ph] 2025年2月10日](/simg/e/e5d48e0cf5320c7badff48c4e2d7683939a7f10c.webp)
![arxiv：2502.03124v1 [eess.sy] 2025年2月5日](/simg/3/33ae2427032dddacf611a2d02fbb8b420f4fa9fb.webp)
![arxiv：2502.12206v1 [CS.AI] 2025年2月16日](/simg/8/83a0040bd75286ed258ba3b033d6e887b6838904.webp)
![arxiv：2502.04950v1 [Quant-ph] 2025年2月7日](/simg/6/62658c8c5932a77940998d5bbf5b5940842a4279.webp)
![识别GOarxiv：2502.07152v1 [stat.me] 2025年2月11日](/simg/c/c0d38841188ce8f6f2ea20a930ae622410b7dd28.webp)
![arxiv：2502.05536v1 [physics.gen-ph] 2025年2月8日](/simg/d/d31f598b6e77e63b5007704312eb6b3f8e400457.webp)
![arxiv：2502.09316v1 [CS.CL] 2025年2月13日](/simg/2/22d76863607dc72ae93e2d071280b64d1386a5b9.webp)
![arxiv：2502.00469v1 [Math.cv] 2025年2月1日](/simg/c/c6dab2975c025848ab949e8a56962299c2f354a1.webp)
![arxiv：2502.05647v1 [CS.CC] 2025年2月8日](/simg/4/4aa9440187adea302200dbca2972abd9ba5c89f0.webp)
![arxiv：2502.11082v1 [Physics.App-ph] 2025年2月16日](/simg/0/0581b00c27e76902471366a5a8acab3c4cf0f085.webp)
![arxiv：2502.18639v1 [CS.ET] 2025年2月25日](/simg/7/742ef27604d585bda50228c598090beab893f942.webp)
![arxiv：2502.02572V1 [CS.DS] 2025年2月4日](/simg/6/68691a142bc84b5b40d7b2290991240b592dc7cc.webp)
![arxiv：2502.09635v1 [CS.CL] 2025年2月9日](/simg/5/586452b4ea49441bd6443e8bda3501695cf0efa9.webp)