In-Context Robot Learning with VLM Agents

• 类型：arxiv
• 标识：2609.19138
• 链接：https://arxiv.org/abs/2609.19138
• 主分类：agent
• 形态：application
• 被引：13
• 被引来源：Semantic Scholar
• S2被引：13
• OpenAlex被引：0
• 影响力被引：4
• TLDR：GPT-Policy is introduced, a general-agent framework for in-context robot learning that integrates a context compiler that preserves task-relevant visual transitions, a VLM that proposes robot-tool actions, and a constrained controller that verifies and executes each action and reports its outcome.
• OpenAlex ID：W7213520421
• OpenAlex DOI：10.48550/arxiv.2609.19138
• DOI：10.48550/arxiv.2609.19138
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.19138
• OpenAlex更新：2026-09-20
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：基于 VLM Agent 的机器人上下文学习
• TLDR中文：本文提出 GPT-Policy，一个用于上下文机器人学习的通用 Agent 框架，集成了一个保留任务相关视觉过渡的 context compiler、一个提出机器人-工具动作的 VLM，以及一个验证并执行每个动作并报告结果的 constrained controller。
• 来源文件：
• /inbox/tom/_candidates/2026-09-17-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-18-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]