VARP：从视觉状态学习非单调物体重排规划

Hanwen Ren 等作者提出 VARP 视觉自适应重排规划器，从专家演示生成的视觉状态表示中直接学习非单调物体重排，即需要先临时挪动物体再归位的任务。它根据当前与目标视觉状态预测抓放动作，并引入动作细化策略 ARS 提升动作可行性、进度强化策略 PES 缓解进度停滞；执行中持续用最新视觉状态更新动作，在线适应扰动，无需从头重规划或在线组合搜索。 作者在重排基准上报告：VARP 成功率达 98.3%，每任务规划时间 0.4 秒；执行期扰动下成功率 97.5%，持续严重扰动下 94.5%，并能泛化到未见过的物体数量。作者称这表明该方法为非单调物体重排提供了可扩展且稳健的方案。该论文为 arXiv 预印本，上述结果尚未经同行评议或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。