arXiv · 机器人与计算机视觉· Enqiao Lu (CUHKSZ, THU), Yuxiang Xie (CUHKSZ), Xingrui Yu (A*STAR), Yuyang Wang (Caltech), Yipeng Gu (CUHKSZ), Zhirui Fang (THU, NTU), Xinrun Xu (THU), Zhenglin Wan (NUS), Pengfei Zhou (NUS), Wangbo Zhao (HKUST), Yang You (NUS), Yuxiang Gao (A*STAR, NTU), Ivor Tsang (A*STAR, NTU)·· 20 天前精选AI 评分84
LOGIV:用于长程机器人任务的因果验证执行与局部修复框架
LOGIV: Graph-Verified Execution with Causal Local Repair for Long-Horizon Robot Tasks
AI 导读
论文提出 LOGIV 框架,利用显式任务图连接符号规划、观测验证与具身动作,在现有 VLA 和世界动作模型策略之上运行。实验显示,该框架在不注入干扰时将 RoboTwin~V2 和 BiCoord 基准的平均任务成功率分别提升 10.67 和 15.33 个百分点;在预设扰动下表现优于三种恢复基线;在三项真实机器人任务中成功尝试数从 12/30 增至 17/30。
推荐理由
提出 LOGIV 框架,通过显式任务图与因果局部修复机制,在不增加可训练组件的前提下提升长程机器人任务的鲁棒性与成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org