OntoPlan：基于本体的场景表示与智能体框架，实现可扩展的机器人任务规划

NeurIPS 2026 接收的论文提出 OntoPlan，一个基于本体场景表示的智能体框架，用于机器人任务规划。在覆盖 5 个室内环境、3 种场景规模的 150 项通用任务上，OntoPlan 平均任务成功率达 0.89，最强基线仅 0.27；平均每任务消耗 18.1k tokens，约为最高效基线的 1/5.6。场景规模增大时优势保持，且能对模糊或不可行指令追问或报告信息不足。