arXiv预印本提出神经符号机器人框架

Benedict Quartey 在 arXiv 发布预印本论文（arXiv:2611.00158v1 [cs.RO]），提出神经符号框架，主张要让可信自主性规模化，需要把学习模型的泛化能力与符号结构结合起来，用于稳健的机器人行为。该论文为预印本，DOI 尚待 DataCite 注册，未见同行评议或实机验证结果。 论文探索三个方向：LIMP 用基础模型和空间推理，把自然语言指令落到显式任务约束和指令专属语义地图上，支持任务与运动规划，并让机器人的理解可被检查；REALM 维护可编辑的 3D 高斯场景，预测规划操作的后果并局部校正场景，使后续指令从更新后的状态获得 grounding 与规划几何；PACTS 学习视觉运动技能，同时生成动作轨迹及其符号效果预测，支持技能组合、进度监控和通过重规划恢复。上述能力均为论文主张。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。