ProAct动作分词训练方法提出
热点事件持续更新
ProAct动作分词训练方法提出
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv cs.RO 发布报道称，Haoran Chen 等作者提出并发布 ProAct（Predictable and Robust Action Tokenization）动作分词训练方法。该方法是一种策略无关的动作分词器训练方法，通过策略性增强重建目标来提升下游可预测性与鲁棒性，仅用动作数据集训练。报道称，在 Robomimic、LIBERO 和 RoboTwin 基准及多种分词器架构上，ProAct 将 rollout 成功率平均提升 11.3 个百分点；在 VLA 策略和真实机器人操作中分别平均提升 21.8 和 36.7 个百分点。目前尚无后续跟进报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
超越重建：机器人策略的动作 Tokenization 什么最重要？ProAct 提出可预测且鲁棒的动作分词方法报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.RO超越重建：机器人策略的动作 Tokenization 什么最重要？ProAct 提出可预测且鲁棒的动作分词方法
ProAct 是一种策略无关的动作分词器训练方法，通过策略性增强重建目标来提升下游可预测性与鲁棒性，仅用动作数据集训练。在 Robomimic、LIBERO 和 RoboTwin 基准及多种分词器架构上，ProAct 将 rollout 成功率平均提升 11.3 个百分点；在 VLA 策略和真实机器人操作中分别平均提升 21.8 和 36.7 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。