EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics
為何重要
這項研究建立了一套「編碼代理即資料」的機器人訓練新範式，填補了傳統手動示範模式的資料瓶頸。對開發者而言，這意味著利用現有的程式設計代理能力就能生成逼真的訓練資料，大幅降低 VLA 上手門檻；對產業而言，這為解決模擬與現實的差距提供了新技術路徑，改變了機器人基礎模型的訓練方式。
研究團隊提出將編碼代理作為物理機器人學的監督訊號，並建立相應基準來驗證其解決長程期靈巧任務的能力。
- 針對接觸豐富的操作、可變形物體及需持續互動長達半小時的任務，開發 EMBODIEDSWE-BENCH 模擬基準。
- 引入 EMBODIEDSWE-GEN 框架，將單一代理解決方案擴充套件為大量軌跡資料，供 VLA（視語言動作模型）訓練使用。
- 研究發現僅依賴代理生成示範微調的 VLA，成功在真實機器人上執行了長程期任務。