EgoVine: Post-Training with Branching Experience Compiled from Real-World Videos

工作概述

EgoVine 将 Egocentric Compilation 从可执行环境扩展到分支经验，面向具身规划器的后训练与错误恢复学习。

方法

框架通过恢复决策状态、执行替代行动并验证后续结果，构建演示轨迹之外的交互经验；将行动生成、结果预测与经过验证的修复结合起来，训练小规模具身规划器。

评测结果

在公开预印本报告的 benchmark 上，EgoVine-1.5B 在 Main 规划任务上的成功率为 81.8%，在更长任务组合上的成功率为 66.7%。

阅读公开预印本。

论文状态：Under review。