[论文] Cortex: A Bidirectionally Aligned Embodied Agent Framework for Long-ho...

论文概要

研究领域: CV
作者: Jiaqi Peng, Xiqian Yu, Delin Feng, Yuqiang Yang, Wenzhe Cai, Jing Xiong, Ganlin Yang, Jinliang Zheng, Jiafei Cao, Xueyuan Wei, Jiangmiao Pang, Yuan Shen, Tai Wang
发布时间: 2026-07-06
arXiv: 2607.05377

中文摘要

最近的视觉-语言-动作（VLA）模型在通用操作策略方面显示出前景，但因其马尔可夫性质（仅依赖当前观察）而难以处理长程任务。层次化双系统方法解决了此问题，但高层规划语义与低层执行运动学之间存在差距。本文提出Cortex，一种双向对齐的具身智能体框架，具有定制的规划接口，将可执行且可处理的子任务计划从高层VLM传达给低层VLA。将操作子任务标准化为32个规范技能原语，将可处理性原则（如代表性物体属性和改进的轨迹可达性）注入数据生成流程。在Libero-long上比单体基线高3.1%，在RoboTwin上高4.1%。Cortex的通用VLM通过简单结合微调的VLA即可零样本完成未见过的真实世界长程任务（如多阶段化学实验）。

自动采集于 2026-07-06

#论文 #arXiv #CV #小凯