论文 / 摘要阅读
智能体策略需要每步都看图吗？论文提出用于推理与动作的几何抽象
Do Agentic Policies Need to Look at Every Step? Geometric Abstraction for Reasoning and Action
AI 导读 · 根据来源整理
论文研究多模态语言模型在机器人交互中是否需要每一步都重新解读原始视觉观测，提出将常规空间推理从图像转移到文本和符号，通过一种从观测局部刷新、由语言模型直接读取的3D几何抽象来实现。该接口以带类型、带证据的符号引用表示物体部件几何，从标定RGB-D中接地，并在每次动作后返回带度量残差的紧凑文本检查点，使符号任务结构可跨决策复用、度量值重新绑定当前场景，仅在需要时调用直接视觉推理。在离线策略合成和连续在线执行中，基于接地文本与符号的推理提升了多步操作完成度，同时大幅减少重复多模态查询。论文被CoRL 2026 Agentic Robotics Workshop接收，共13页、8图。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org