arXiv · 机器人与计算机视觉· Benedict Quartey·· 16 天前AI 评分75
Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots
Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots
AI 导读
该论文提出 Scaling Trusted Autonomy 框架,旨在解决基础模型驱动机器人缺乏内部状态可验证性的问题。研究通过神经符号方法融合学习模型的通用性与显式结构:LIMP 利用空间推理将自然语言指令映射为任务约束与语义地图以支持规划;REALM 维护可编辑的光照逼真 3D 高斯场景并预测操作后果以实现局部修正;PACTS 联合生成动作轨迹及其符号效应预测。
来源:arXiv · 机器人与计算机视觉 · arxiv.org