ASENA：用于实体导航的自我进化Agent

我们提出了 ASENA，一个具身Agent系统，它将通用编码Agent与机器人感知、计算、监督执行和持久体验连接起来。Agent可以编写和执行程序、检查记录的结果、修复故障、重用注释和可执行技能，同时保持模型权重固定。我们进一步介绍 ASENA-VLN，这是一种 4B 单目导航策略，可作为该可编程系统中的可选工具。 ASENA-VLN 使用经过路线指令、视觉问答和新整理的几何衍生原子导航任务数据集训练的共享视觉语言解码器来预测延长路线和短视距行为的身体框架轨迹。作为一项独立策略，ASENA-VLN 在 R2R 上实现了 68.7% 的成功率，在 RxR 上实现了 70.2% 的最先进成功率。当与编码Agent集成时，学习导航将 ASENA 在 Agentic 基准测试上的成功率提高了 11 个百分点，同时减少了执行时间。通过持续的工作空间演变和模拟器反馈，对重复的 100 个任务子集进行 10 次传递，进一步将 R2R 上的成功率从 72% 提高到 98%，将 RxR 上的成功率从 65% 提高到 89%。在具体问答方面，ASENA 以更少的交互步骤实现了最先进的准确性。最后，Unitree G1 上的真实世界演示结合了搜索、视觉检查、空间推理和合成手势，无需预先构建地图，说明在线编程如何将机器人行为扩展到路线跟踪和预定义技能之外。