arXiv 2610.28589
AgenticRoboRL: Đưa kỹ thuật hậu huấn luyện của tác nhân lập trình vào robot có tính tác nhân
AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics
Robot20 lượt đề xuất
Tác giả: Xinxin Liu, Bingxin Xu, Wenrui Bao, Ming Li, Wentao Bao, Chen Chen, Yuzhang Shang
Tổng quan
Các tác giả giới thiệu AgenticRoboRL, một framework hậu huấn luyện bộ lập kế hoạch robot trên nhiều harness khác nhau. Framework kết hợp tinh chỉnh có giám sát với học tăng cường đa lượt, và dùng các adapter riêng cho từng harness để một pipeline RL chung hoạt động với cả việc gọi kỹ năng VLA lẫn sinh mã điều khiển, trong khi các thành phần thực thi được giữ cố định.
Giới thiệu
Các hệ thống robot có tính tác nhân thường dựa vào bộ lập kế hoạch là mô hình thương mại đóng mạnh, còn các cải tiến trước đây tập trung vào harness và bộ nhớ ngoài thay vì năng lực của chính bộ lập kế hoạch.
Kết quả
Trên LIBERO-PRO, AgenticRoboRL nâng tỷ lệ thành công của bộ lập kế hoạch 9B tham số từ 18,1% lên 71,0% mà không dùng bộ nhớ ngoài. Con số này tiệm cận 72,1% của Codex (GPT-5.5) có bộ nhớ ngoài.
Kết luận
Hậu huấn luyện chính bộ lập kế hoạch là cách hiệu quả để cải thiện tác nhân robot, giúp giảm phụ thuộc vào các mô hình đóng lớn và hệ thống bộ nhớ tốn kém.