Recursive Video In-Context Learning for Agentic Robot

arxiv · arXiv · 2026-10-06 01:59 · 评分 78

针对具身智能体编排冻结视觉-语言-动作策略时文本记忆无法记录操作细节的问题，提出递归视频上下文学习方法，在规划与接触关键帧间动态调整视频信息，提升任务执行效果。