TAMPAgent：LVLM与TAMP结合的信念空间规划

Utkarsh A. Mishra等作者发布预印本论文，提出TAMPAgent——一个把大型视觉语言模型（LVLM）推理与任务与运动规划（TAMP）的结构化约束满足结合的智能体规划框架，面向部分可观测的开放世界移动操作。作者称，在Rainbow Y1和Unitree G1两个平台上的复杂家庭移动操作任务中，TAMPAgent显著优于直接调用工具的智能体基线。 框架中，LVLM智能体先给出由参数化观察与执行动作组成的部分任务计划，由经典搜索算法补全；智能体提取计划的几何约束，再通过感知、规划与控制工具API绑定有效参数值，生成可执行运动计划。执行中智能体持续更新信念历史，交替观察与操作形成闭环。 作者称，依赖直接工具调用的现有架构难以处理几何不确定性，因而局限于完全可观测的桌面环境；TAMP系统能在部分可观测下求解长程任务，但计算成本高且需要封闭世界。该论文为预印本，尚未经同行评议，也未给出成功率等具体指标。

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。