V-CAGE：用于机器人操作的视觉闭环代理生成引擎

扩展视觉-语言-动作（VLA）模型需要语义一致且物理上可行的大量数据集。然而，现有的场景生成方法往往缺乏上下文感知，难以合成嵌入丰富语义信息的高保真环境，经常导致无法到达目标位置，从而导致任务过早失败。我们提出了 V-CAGE（视觉闭环代理生成引擎），这是一种用于自主机器人数据合成的代理框架。与传统的脚本化管道不同，V-CAGE 作为具身Agent系统运行，利用基础模型将高级语义推理与底层物理交互联系起来。具体来说，我们引入了修复引导场景构建来系统地安排上下文感知布局，确保生成的场景既具有语义结构又具有运动学可达性。为了确保轨迹的正确性，我们将功能元数据与基于视觉语言模型的闭环验证机制集成，充当视觉批评家，严格过滤掉无声故障并切断错误传播链。最后，为了克服海量视频数据集的存储瓶颈，我们实现了一种感知驱动的压缩算法，可以在不影响下游 VLA 训练效果的情况下实现超过 90% 的文件大小减少。通过集中语义布局规划和视觉自我验证，V-CAGE 实现了端到端管道的自动化，从而实现了多样化、高质量机器人操作数据集的高度可扩展的综合。