SPARK：锚定机器人关键点的顺序规划方法

Bryce Grant等作者提出顺序规划方法SPARK，把任务描述为符号化行为树，仅在每次调用动作时锚定到当前3D观测，并在运行时验证计划、局部恢复和重新锚定物体，只有这些失败时才请求新计划。 作者报告：在固定计划、执行中移动物体的实验中，物体位移10厘米时配合场景差异验证与分层恢复仍完成66.7%的试验，且无需改计划；完整系统在LIBERO上使用一个4-bit权重的27B开放权重规划器，6种位置与任务设置平均成功率66.8%，留出语言与物体设置同为66.8%；在3种机器人、11种物理任务-本体设置上成功率为68%。作者称测试任务无练习、rollout中不访问仿真状态，每次尝试后由成功检查决定是否重试。 该工作为arXiv预印本，上述成功率均为作者自报，尚未经同行评议或独立验证。

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。