Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)

  • 类型：arxiv
  • 标识：2606.27163
  • 链接：https://arxiv.org/abs/2606.27163
  • 主分类：multimodal
  • 形态：method
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：The work improves a vision-language-action (VLA) policy with a reinforcement-learning loop that predicts success, progress, and a few task-relevant future quantities and drives advantage estimation, live failure detection, and candidate selection in the LeHome Challenge 2026.
  • OpenAlex ID：W7166008352
  • OpenAlex DOI：10.48550/arxiv.2606.27163
  • DOI：10.48550/arxiv.2606.27163
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2606.27163
  • OpenAlex更新：2026-07-19
  • 待LLM分类：否
  • 标题中文：Learning to Fold：LeHome Challenge 2026 获奖方案（线上第 1，线下第 2）
  • TLDR中文：本工作通过强化学习循环改进视觉-语言-动作（VLA）策略，该循环预测成功、进展及若干任务相关的未来量，并驱动优势估计、实时失败检测与候选选择，在 LeHome Challenge 2026 中取得佳绩。
  • 来源文件：
  • /inbox/tom/_candidates/2026-06-29-agent-rag-longcontext-candidates.json
  • [S2 enrich]
  • [OpenAlex backfill]