**MotorMind:利用通用VLM实现零样本机器人操作** _MotorMind: Scaffolding General Vision Language
原帖
**MotorMind:利用通用VLM实现零样本机器人操作**
_MotorMind: Scaffolding General Vision Language Models for Zero-Shot Robot Manipulation_
> MotorMind 是一种机器人操作框架,通过连接通用视觉语言模型(VLM)提出的中级动作与确定性机器人控制,实现了无需任务特定策略训练或外部工具(如 SAM3)的零样本操作。该框架在 LIBERO-PRO 基准上取得了 66.7% 的成功率,远超现有零样本方法,并在真实 xArm6 机器人上达到 95% 的平均成功率,证明了通用 VLM 结合适当执行框架可有效驱动机器人。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38078)