作者丨 Xingyao Lin等 编辑丨 具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 写在前面&出发点 具身智能体的最终目标是成为能够与人类主动交互的协作者，而不仅仅是被动遵循指令的执行者。这要求智能体能够根据人类反馈调整自身行为。 点击下方 卡片 ，关注" 具身智能 之心 "公众号 近年来，视觉-语言-动作模型（VLA)的发展为实现这一目标提供了一条有前景的路径。然而，目前大多数基于VLA的具身智能体以一种简单的单向模式运行：即接 收指令后便直接执行，没有任何与用户的交流。在指令通常具有模糊性的真实世界场景中，这种被动的方法往往会失效。针对这一问题，本文提出了Ask-to-Clarify 框架。该框架首先通过多轮对话提出问题以解决指令的模糊性，随后以端到端的方式为真实世界的具身任务生成动作。 本工作的贡献 任务与框架设计： 提出了一项新的具身智能体协作任务及相应的框架。该任务要求智能体在执行指令前，先通过提问的方式主动消除指令的模糊性，随后完成任 ...