Spotter 是什么?让具身模型主导执行，VLM 仅在确认错误时介入修复的机器人操作框架

中文导读

Spotter 在冻结的具身模型和 VLM 之间加入一层轻量干预机制：具身模型持续主导执行，本地筛选器并行监控，只有确认出错时 VLM 才介入修复并验证。这样 VLM 不必逐步规划，也无需任务成功信号，用本地 Qwen 即可运行。适合希望在现有机器人策略上引入 VLM 监控、又不想牺牲执行速度的研究与开发场景。

根据 GitHub 公开数据,该项目的编程语言为 Python,开源协议为 MIT,创建于 2026-09-29,最近更新于 2026-10-13,目前有 180 个 Star。

项目介绍

Spotter 是一个面向机器人操作的运行时监控与干预框架。它把冻结的具身模型（System 1）和 VLM（System 2）组合起来，但不同于让 VLM 逐步规划的传统方案，Spotter 让具身模型持续主导执行，一个本地筛选器并行观察，只有当确认出现错误时，VLM 才介入给出简短的修复原语计划并验证修复结果。

这样 VLM 的任务被大幅简化，无需访问任务成功信号等特权信息，使用本地部署的开源 Qwen 即可工作。在 RoboCasa 的 1200 个 episode 上，Spotter 相比单独策略仍有提升，而成功 episode 中平均调用 judge 不到一次，仅比纯策略多花 13–16 秒。项目目前推荐使用 RoboTwin 2.0 进行评测，RoboCasa 路径存在渲染 bug 正在修复。

主要功能

• 轻量级干预层：具身模型持续执行，VLM 仅在确认错误时介入
• VLM 任务简化：只需发现失败、用短原语计划修复并验证
• 无需特权信息：使用本地部署的开源 Qwen 即可运行
• 低开销：成功 episode 中 judge 调用平均少于一次，仅增加 13–16 秒
• 支持 RoboTwin 2.0 一键评测（bash robotwin_eval.sh）
• 提供冻结的 77 条通用经验库和 RoboTwin 2.0 经验库

适合谁用

适合研究机器人操作、具身智能和 VLM 智能体的开发者与研究人员，尤其是希望在不替换现有具身模型的前提下引入 VLM 监控与修复能力的场景。

快速上手

1. 克隆仓库并进入项目目录
2. 按照 README 的 Environment Setup 配置环境
3. 准备模型：下载 pi0.5 或 Cosmos Policy 等检查点
4. 运行 bash robotwin_eval.sh 进行 RoboTwin 2.0 一键评测

Star 增长趋势

同类项目