具身交互推理: 图像-思考-行动交织思维链让机器人会思考、会交互

浙江大学、中科院软件所与阿里巴巴联合提出的Embodied-Reasoner框架，通过图文交织的思维链及多样化思考因子，解决了具身场景下的交互式推理难题。该模型采用三阶段训练流程，在AI2-THOR模拟器实验中表现出色，尤其在复杂长序列任务中成功率高达80.9%。真实世界实验进一步验证了其泛化能力，显著减少了重复搜索行为。Embodied-Reasoner已开源至AGIROS社区，推动智能机器人技术发展。
来源：https://mp.weixin.qq.com/s/yO0uylWGF8Mv7T9y1tjDcA