arXiv · cs.RO官方发布· Kaiyuan Chen, Shuangyu Xie, Letian Fu, Justin Yu, William Pacini, Sandeep Bajamahal, Hudson Kim, Jaimyn Drake, Daehwa Kim, Haoru Xue, Jonathan Francis, Christian Juette, Peter Schaldenbrand, Muhammet Yunus Seker, Ruwan Wickramarachchi, Uksang Yoo, Guanzhi Wang, Adithyavairavan Murali, Balakumar Sundaralingam, S. Shankar Sastry, Yuke Zhu, Linxi "Jim" Fan, Spencer Huang, Ken Goldberg·· 2 小时前精选AI 评分75
论文 / 摘要阅读
GaP：面向变异性自动化任务的多智能体图即策略自学习框架
GaP: A Graph-as-Policy Multi-Agent Self-Learning Harness For Variational Automation Tasks
AI 导读 · 根据来源整理
作者提出 Graph-as-Policy（GaP），一个多智能体编码框架，可从模块化开放机器人技能库 MORSL 生成包含感知、规划和控制节点的有向计算图，用于应对物体几何与位姿变化较大的变异性自动化（VA）任务。GaP 会生成内部仿真环境，并行用不同图排练任务实例，迭代优化图结构与参数以提升成功率和吞吐量。作者构建了 8 个新的开放 VA 任务基准，其中 4 个在仿真、4 个在真实世界，结果显示 GaP 的成功率显著优于基线。论文为 CoRL 2026 Spotlight，代码与数据链接见原文。
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