通过长短期反射和优化实现机器人操作的可进化实体代理

实现通用机器人技术需要赋予机器人根据环境和反馈进行适应和进化的能力。传统方法面临着训练要求广泛、跨任务泛化困难以及缺乏可解释性等局限性。即时学习为无需大量训练而只需反思过去经验的自我进化机器人提供了新的机会。然而，从任务的成功和失败中提取有意义的见解仍然是一个挑战。为此，我们提出了可进化的体现代理（EEAgent）框架，该框架利用大型视觉语言模型（VLM）来实现更好的环境解释和政策规划。为了加强对过去经验的反思，我们提出了一种长短期反思优化（LSTRO）机制，该机制根据过去的经验和新的教训动态地细化提示，促进持续的自我进化，从而提高整体任务的成功率。对六项 VIMA-Bench 任务的评估表明，我们的方法设定了新的最先进方法，在复杂场景中明显优于基线。