Attacca：长时程具身智能体的目标导向控制
AI 总结
arXiv 论文提出 Attacca，一种面向长时程具身智能体的视觉目标条件策略训练方法。它用「上下文解耦的目标采样」，把演示与来自其他世界的同类掩码目标图像配对，并通过目标掩码预测头和 Search/Approach/Interact 阶段条件化来学习当前视角的密集定位。在 Minecraft 的短时程与长时程任务上，论文报告干净成功率 39.0–47.5%，比最强基线提升 1.7–2.4 倍；长时程任务完成率为 54%、30%、28%，最高提升约 7 倍。
深度见解
长时程任务中目标常在视野之外，这项工作提示状态连续性与搜索阶段建模可能是具身智能体实用化的关键一环。