arXiv Robotics· Zhuoran Wang, Keqing Fan, Yang Li, Jinbo Su, Ke Wang, Sijia Luo, Yuanzheng Tan, Junkun Peng, Jing Zhang·· 2 天前AI 评分38
用可验证交互训练具身VLM：ERR-Env、ERR-Bench 与 Action-Grouped Turn-GSPO 实现错误恢复重规划
Replan for Error Recovery: Training Embodied VLMs through Verifiable Interaction with Action-Grouped Turn-GSPO
AI 导读
研究者提出 ERR-Env 环境与 ERR-Bench 基准，用于评估具身 VLM 在标称、中间和错误状态下的恢复能力与执行可靠性，并提出在线强化学习方法 Action-Grouped Turn-GSPO（AGT-GSPO），结合回合级任务进度与错误状态奖励及动作分组优势估计。
来源：arXiv Robotics · arxiv.org