Task-Specialized Language-Conditioned Models for Fine-Grained Robotic Manipulation

作者提出了一种用于精细机器人操作的任务专业化语言条件模型，在MetaFine Open Competition中获得第三名，官方得分为0.914。该模型使用冻结的DINOv2和CLIP编码器，结合语言条件特征调制和任务特定动作头，通过接触感知抓取过滤、指令匹配数据和专家修正插入失败来改进演示。推理阶段采用光度测试时增强、随机动作平均和不确定性触发重规划等任务相关策略。