摘要
针对视觉 - 语言 - 动作模型黑盒难解释的问题,本文提出 ARCHITECT 框架,将机器人策略获取视为交互式程序合成任务。该方法利用 LLM 的代码推理能力合成模块化程序,并通过人类自然语言反馈进行迭代修正。执行轨迹被提炼为持久化技能库,实现长期上下文学习,使智能体能积累可解释、可复用的行为 repertoire。实验表明,该系统在复杂长程任务上优于现有 VLA 模型,且随技能库积累显著降低人工干预需求。
AI 推荐理由
论文核心在于利用 LLM 合成模块化机器人程序并构建可复用的技能库,直接对应技能学习与工具使用。
研究机构
University of Washington
Microsoft Research
Massachusetts Institute of Technology
论文信息