Tag · 2 篇
行为克隆
01 02
RoboAgent：链式组合基础能力实现具身任务规划
RoboAgent: Chaining Basic Capabilities for Embodied Task Planning
把长程具身规划拆解为调度器加多个子能力（各自维护独立上下文）的单一 VLM 调用链，并用仿真器内部信息为每个子能力构造监督，这一「能力链式调用 + 多阶段训练」范式可直接迁移到视觉导航、视觉操作等需要多轮视觉观测推理的任务。
NitroGen：面向通用游戏智能体的开放基础模型
NitroGen: An Open Foundation Model for Generalist Gaming Agents
从公开游戏视频中自动抽取玩家动作，构建互联网规模的视觉-动作对，并用大规模行为克隆训练跨游戏可迁移的视觉-动作基础模型；这套「视频→动作标注→预训练→下游微调」的流程可直接迁移到机器人操作等视觉-动作策略学习场景。