提出动作感知量化与NimCritic进度模型

2026年10月26日，arXiv Robotics 刊出 Tianchi Xu 等作者的报道，提出动作感知量化方法、LOOM 基准与 NimCritic 模型。报道称，动作感知量化是一种统一的进度规范，通过视觉语言模型（VLM）把长程轨迹分解为对象级子任务，并分配加权动作信用，以刻画细粒度执行动态。NimCritic 则通过联合视频-进度学习训练预测式进度评论模型。报道给出的评测结果为：在 VPB 上，NimCritic 的终端成功准确率（TSA）比 GVL（GPT-6-Sol）高约 65%；在 RoboArena 策略评估基准上，它以约 97% 的整体召回率检索人工选出的成功 rollout。上述数字与结论均来自该报道，尚无其他跟进报道可对照。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。