arXiv cs.AI· Ilia Larchenko, Gleb Zarin, Atindra Nair, Keerti Manney, Vitaly Kleban, Mirko Kiefer, Anjana Yodaiken·· 10 小时前AI 评分38
一个策略完成100项家务：2026 BEHAVIOR 挑战赛解决方案
One Policy for 100 Household Tasks: Our Solution for the 2026 BEHAVIOR Challenge
AI 导读
团队凭单一 VLA 模型在 OmniGibson 模拟器的 2026 BEHAVIOR 挑战赛 100 项长程家务任务中拿下 0.392 Q 分，最终排名第 9，是前 10 中唯一的独立团队。
正文 · AI 翻译
摘要：我们描述了针对 2026 BEHAVIOR 挑战赛的解决方案：在 OmniGibson 模拟器中的 100 个长时程家庭任务。我们在最终排行榜上位列第 9，是前 10 名中唯一的独立团队。该解决方案的核心是一个单一的视觉-语言-动作（VLA）模型，一个检查点用于全部 100 个任务，建立在我们获得 2025 年第一名的解决方案之上，该方案基于 $\pi_{0.5}$。在与 2025 年共享的 50 个任务上，其 Q 从 0.260 升至 0.371；在全部 100 个任务上得分为 0.392。我们从 2025 年得出的主要结论是模型训练不足，因此 2026 年的大部分工作都投入到更长时间地训练模型、优化一些训练参数、让每个训练步骤稍快一些并减少梯度噪声：从 50 个任务迁移到 100 个任务（语义阶段由演示的技能标注构建，新任务的任务和阶段嵌入从相似的旧任务热启动，以及一个与遥操作控制相匹配的 21 维动作空间）；方差缩减的多样本流匹配，配有一个简单的噪声-计算模型，无需消融即可为每个观测选择动作专家样本数；以及一次 20 万步的训练运行，大约相当于对演示的 2.11 亿帧过一遍。云评估基础设施维护一个带有来源记录、回合诊断和可恢复模拟器状态的共享记录，并在一块 GPU 上同时运行六个模拟器，速度快于实时。在学习到的策略之上，14 个任务被路由到一个 GPT-6 Astra 编码智能体，该智能体通过观测和运动工具控制机器人，每个回合都从其在训练实例上自身练习会话的冻结副本开始。在这 14 个任务中，Astra 的平均 Q 为 0.639，而学习到的策略为 0.108。公开提交仅包含部分 Astra 结果，得分为 0.446 Q，全任务成功率为 27.3%。
| 评论： | 代码：此 https URL ；检查点：此 https URL ；项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.14432 [cs.RO] |
| （或 arXiv:2611.14432v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14432 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ilia Larchenko [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 18:06:16 UTC（4,014 KB）
来源：arXiv cs.AI · arxiv.org