研究团队整理了 12844 个带注释动作,并用另行人工标注的 400 个动作验证评审模型。
只看整次任务成功与否,很难知道机器人究竟在哪一步出错。AgentRoboCritic 让控制模型在每个动作旁给出局部意图,再检查执行结果是否实现该意图。
研究涵盖 12 个操作基准。作者报告,微调后的开放评审模型在区分失败类型上的准确率从 32.58% 提高到 74.24%;这个指标评价动作评审能力,而不是机器人成功完成整项任务的概率。
配图为 GETAI 原创 AI 主题插画。
GETAI EDITORIAL DISPATCH新闻报道
研究团队整理了 12844 个带注释动作,并用另行人工标注的 400 个动作验证评审模型。