arXiv · 机器人与计算机视觉· Haotian Zhai, Tianming Sha, Junnan Li·· 20 天前AI 评分75
AtomTree:一种基于大语言模型的具有状态感知的具身指令遵循分层框架
AtomTree: A Hierarchical Framework for State-Aware Embodied Instruction Following with LLMs
AI 导读
针对交互式环境中具身指令遵循的长程任务规划难题,现有方法依赖语言常识且仅在失败后更新计划导致鲁棒性弱。本文提出 AtomTree 分层框架,利用 LLM 根据当前符号状态增量构建子目标树,轻量记忆模块复用过往结果,并在底层动作停滞时触发层级回溯重规划以防止轨迹漂移。该工作在 ALFRED 基准的零样本评估中优于先前的基于 LLM 的规划器。
来源:arXiv · 机器人与计算机视觉 · arxiv.org