把 GPT-4o 拉下神坛！星源智联合北大推出 RoboAgent，让 3B VLM 在未知场景跑出 94% 成功率
中文摘要
北大与星源智推出的RoboAgent通过模块化任务分解，使3B参数VLM在未知场景成功率达94%，超越GPT-4o。
English Summary
PKU and Xingyuanzhi's RoboAgent uses modular task decomposition, enabling 3B VLMs to reach 94% success in unknown scenarios, outperforming GPT-4o.
原文节选
📌 一句话摘要 北京大学与星源智团队提出 RoboAgent 方案，通过将复杂具身任务规划分解为五个基础能力模块，采用三阶段训练路径，使 3B 参数的 VLM 在未知场景下达到 94% 的任务成功率，超越 GPT-4o 等大模型。 📝 详细摘要 本文介绍了北京大学与星源智团队联合提出的 RoboAgent 方案，旨在解决视觉-语言模型（VLM）在真实家庭环境中进行具身任务规划（ETP）时面临的挑战。核心思路是将复杂的规...