SPARK分离机器人符号计划与执行期感知

Bryce Grant 等提出 SPARK 方法，把任务表示为符号行为树，对象引用在执行期绑定到当前 3D 观测，使场景变化时机器人能更新动作位置而保留原计划，并通过运行时验证实现局部恢复。 实验显示，在 10 cm 位移下，开启验证与自适应时任务成功率保持 66.7pp，关闭时仅 2.2pp；不做任务特定训练时，SPARK 在六个 LIBERO-PRO 设置上平均成功率 72.6pp，在三个机器人平台的十一个实体任务-本体设置上为 68pp。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。