GaP多智能体框架用计算图自学习机器人任务

Kaiyuan Chen等作者提出 Graph-as-Policy（GaP）多智能体编码框架，从模块化开放机器人技能库 MORSL 生成含感知、规划和控制节点的有向计算图，用于物体几何与位姿变化较大的变异性自动化（VA）任务。作者称，GaP 会生成内部仿真环境，并行排练不同图的任务实例，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，4 个在仿真、4 个在真实世界；作者称 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。上述结果来自作者自评，尚无独立验证。 GaP 的优化在内部仿真中完成，实机表现仅由作者在 4 个真实任务上的基准测试给出；具体成功率数值、分母、人工干预与速度等条件未在报道中披露。

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。