跳到正文
arXiv · 机器人与计算机视觉· Chen-Yu Lin, Jing-Wen Chen, Hsueh-En Chang, Hung-An Chen, Sheng-Hsun Chang, Chi-Pin Huang, Fu-En Yang, Min-Hung Chen, Yi-Ting Chen, Yu-Chiang Frank Wang, Shao-Hua Sun·· 2026-10-07AI 评分68

PhysCaP:将代码即策略智能体与物理感知结合以增强机器人操作主动感知

PhysCaP: Grounding Code-as-Policy Agent with Physics-Informed Exploration

AI 导读

论文介绍 PhysCaP 系统,旨在解决视觉语言动作策略依赖被动观察、无法推断物体潜在物理属性的问题。该系统引入无需训练的物理属性提取模块,利用机器人本体感觉估计物体质量与刚度;采用包含规划器与优先级排序器的多智能体设计,实现高效的目标探索。作者在 LIBERO 仿真平台及三个真实桌面操作任务上评估了该方法,结果显示其在隐藏物理属性场景下性能优于被动或盲目交互基线,且交互次数更少、执行时间更短。

来源:arXiv · 机器人与计算机视觉 · arxiv.org