论文称实验室到门店的差距主要是系统集成问题
资讯摘要
论文提出DEED，一种面向视觉-语言-动作（VLA）人形机器人的系统级方法，在Unitree G1-Edu人形机器人和GR00T N1.6基础模型上完成超市补货任务评测。DEED包含三部分：带控制频率对齐、数据筛选、任务相关视觉高亮并降低VLA依赖的数据高效后训练流程；借鉴RECAP、通过文本优势前缀与视觉-语言价值函数实现的真实世界经验驱动改进研究；以及分析分布内外行为的潜空间工具。作者报告称，弥合实验室到门店的差距主要是系统集成问题而非架构问题，仅用单块GPU即可将朴素微调下失败策略转为可用系统。
要点速读
- 论文在Unitree G1-Edu人形机器人与GR00T N1.6模型上评测超市补货任务
- DEED含数据高效后训练、经验驱动改进与潜空间分析三部分
- 作者报告仅用单块GPU即可让原本失败的策略在真实场景中可用
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。