DiMuRe 提出诊断引导的机器人任务恢复框架

Renkai Yi 等作者在 arXiv 提交预印本，提出诊断引导的多级恢复框架 DiMuRe：原程序退出后，框架依据阶段特定证据和方法前置条件，选择复用原程序或调用预定义恢复技能（含有限步数的 VLA 抓取），多模态大语言模型可依据图像和执行反馈生成修正代码，每次恢复尝试由局部验证检查结果。 在 801 个受扰动的 Encore 开发案例上，作者称在相同物理步数额度下，仅用程序复用和恢复技能的 Local DiMuRe 完整任务成功率为 77.65%，原程序为 58.68%；加入终端重规划、额外步数额度和提前交接的 Full DiMuRe 为 81.90%。 作者同时提出 LIBERO-Disturb 基准，用于测试执行中途受扰动时的鲁棒性与恢复能力，支持基于程序的智能体和 VLA 策略。该工作为预印本，尚未经同行评议。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。