Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Wenqi, Wang, Mengna, Liu, Gangao, Huixin, Xu, Jiang, Yiwei, Shen, Yongliang, Hou, Guiyang, Zheng, Zhe, Zhang, Hang, Li, Xin, Lu, Weiming, Li, Peng, Zhuang, Yueting
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multimodal Self-Instruct: Synthetic Abstract Image and Visual Reasoning Instruction Using Language Model
von: Zhang, Wenqi, et al.
Veröffentlicht: (2024)

Data-Copilot: Bridging Billions of Data and Humans with Autonomous Workflow
von: Zhang, Wenqi, et al.
Veröffentlicht: (2023)

Agent-Pro: Learning to Evolve via Policy-Level Reflection and Optimization
von: Zhang, Wenqi, et al.
Veröffentlicht: (2024)

Think Twice, Click Once: Enhancing GUI Grounding via Fast and Slow Systems
von: Tang, Fei, et al.
Veröffentlicht: (2025)

TimeToM: Temporal Space is the Key to Unlocking the Door of Large Language Models' Theory-of-Mind
von: Hou, Guiyang, et al.
Veröffentlicht: (2024)

SpatialLadder: Progressive Training for Spatial Reasoning in Vision-Language Models
von: Li, Hongxing, et al.
Veröffentlicht: (2025)

Active Confusion Expression in Large Language Models: Leveraging World Models toward Better Social Reasoning
von: Du, Jialu, et al.
Veröffentlicht: (2025)

ViewSpatial-Bench: Evaluating Multi-perspective Spatial Localization in Vision-Language Models
von: Li, Dingming, et al.
Veröffentlicht: (2025)

EgoSocialArena: Benchmarking the Social Intelligence of Large Language Models from a First-person Perspective
von: Hou, Guiyang, et al.
Veröffentlicht: (2024)

Mind the Gap: Bridging Thought Leap for Improved Chain-of-Thought Tuning
von: Xu, Haolei, et al.
Veröffentlicht: (2025)

TaskBench: Benchmarking Large Language Models for Task Automation
von: Shen, Yongliang, et al.
Veröffentlicht: (2023)

CoVerRL: Breaking the Consensus Trap in Label-Free Reasoning via Generator-Verifier Co-Evolution
von: Pan, Teng, et al.
Veröffentlicht: (2026)

2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining
von: Zhang, Wenqi, et al.
Veröffentlicht: (2025)

Guide, Think, Act: Interactive Embodied Reasoning in Vision-Language-Action Models
von: Ling, Yiran, et al.
Veröffentlicht: (2026)

MathFimer: Enhancing Mathematical Reasoning by Expanding Reasoning Steps through Fill-in-the-Middle Task
von: Yan, Yuchen, et al.
Veröffentlicht: (2025)

STaR-SQL: Self-Taught Reasoner for Text-to-SQL
von: He, Mingqian, et al.
Veröffentlicht: (2025)

Self-Contrast: Better Reflection Through Inconsistent Solving Perspectives
von: Zhang, Wenqi, et al.
Veröffentlicht: (2024)

SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation
von: Chen, Siqi, et al.
Veröffentlicht: (2025)

GroundAct: Can LLM Agents Ground Actions in Environmental States?
von: Wang, Zixuan, et al.
Veröffentlicht: (2025)

A Survey on (M)LLM-Based GUI Agents
von: Tang, Fei, et al.
Veröffentlicht: (2025)

EmboTeam: Grounding LLM Reasoning into Reactive Behavior Trees via PDDL for Embodied Multi-Robot Collaboration
von: Zeng, Haishan, et al.
Veröffentlicht: (2026)

Vlaser: Vision-Language-Action Model with Synergistic Embodied Reasoning
von: Yang, Ganlin, et al.
Veröffentlicht: (2025)

Cooper: Co-Optimizing Policy and Reward Models in Reinforcement Learning for Large Language Models
von: Hong, Haitao, et al.
Veröffentlicht: (2025)

Hierarchical Budget Policy Optimization for Adaptive Reasoning
von: Lyu, Shangke, et al.
Veröffentlicht: (2025)

EmbRACE-3K: Embodied Reasoning and Action in Complex Environments
von: Lin, Mingxian, et al.
Veröffentlicht: (2025)

EasySteer: A Unified Framework for High-Performance and Extensible LLM Steering
von: Xu, Haolei, et al.
Veröffentlicht: (2025)

TimeHC-RL: Temporal-aware Hierarchical Cognitive Reinforcement Learning for Enhancing LLMs' Social Intelligence
von: Hou, Guiyang, et al.
Veröffentlicht: (2025)

Recurrent Reasoning with Vision-Language Models for Estimating Long-Horizon Embodied Task Progress
von: Zhang, Yuelin, et al.
Veröffentlicht: (2026)

InftyThink: Breaking the Length Limits of Long-Context Reasoning in Large Language Models
von: Yan, Yuchen, et al.
Veröffentlicht: (2025)

OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-aware Reasoning
von: Liu, Yuecheng, et al.
Veröffentlicht: (2025)

EmbodiedVSR: Dynamic Scene Graph-Guided Chain-of-Thought Reasoning for Visual Spatial Tasks
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

Closed Loop Interactive Embodied Reasoning for Robot Manipulation
von: Nazarczuk, Michal, et al.
Veröffentlicht: (2024)

Think Proprioceptively: Embodied Visual Reasoning for VLA Manipulation
von: Wang, Fangyuan, et al.
Veröffentlicht: (2026)

Collaborating Action by Action: A Multi-agent LLM Framework for Embodied Reasoning
von: White, Isadora, et al.
Veröffentlicht: (2025)

VLingNav: Embodied Navigation with Adaptive Reasoning and Visual-Assisted Linguistic Memory
von: Wang, Shaoan, et al.
Veröffentlicht: (2026)

Self-Supervised Bootstrapping of Action-Predictive Embodied Reasoning
von: Ganai, Milan, et al.
Veröffentlicht: (2026)

CLiViS: Unleashing Cognitive Map through Linguistic-Visual Synergy for Embodied Visual Reasoning
von: Li, Kailing, et al.
Veröffentlicht: (2025)

LAPO: Internalizing Reasoning Efficiency via Length-Adaptive Policy Optimization
von: Wu, Xingyu, et al.
Veröffentlicht: (2025)

Statler: State-Maintaining Language Models for Embodied Reasoning
von: Yoneda, Takuma, et al.
Veröffentlicht: (2023)

ClawGUI: A Unified Framework for Training, Evaluating, and Deploying GUI Agents
von: Tang, Fei, et al.
Veröffentlicht: (2026)