LOGIV提出任务图验证与局部修复框架

LOGIV作者团队提出LOGIV框架：用显式任务图连接符号规划、基于观测的验证与具身动作，并在执行中检查条件支撑与资源顺序边的物理有效性。该框架运行在现有VLA和世界动作模型（WAM）策略之上，不增加可训练组件。 在RoboTwin V2和BiCoord的20个双臂任务、三种执行骨干上，无注入扰动时平均任务成功率分别提升10.67和15.33个百分点；在预设扰动下，其任务完成与条件恢复在两种基准、每种骨干上均优于三个适配的恢复基线。在三个实机任务上，成功试验次数从12/30增至17/30。上述结果出自arXiv预印本，尚未经同行评议。 该框架的验证与修复效果目前限于上述双臂任务、执行骨干和预设扰动条件；实机结果仅覆盖三个任务。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。