跳到正文
arXiv · 机器人与计算机视觉· Naoki Wake, Justin Wagle·· 2026-10-07精选AI 评分78

SharedKV-BT:面向行为树智能体的节点本地类型化决策

SharedKV-BT: Node-Local Typed Decisions for Behavior-Tree Agents

AI 导读

针对自回归模型在行为树决策中存在的延迟问题,该研究提出 SharedKV-BT 方法,利用共享 KV 缓存并行评分候选动作并分离执行系统。实验显示,该方法在机器人操作、移动导航和计算机使用任务上,推理速度比提示匹配自回归解码快 2.36-4.15 倍;在操作任务中,节点本地 Shared-KV 将联合决策准确率从 75% 提升至 94%,闭环成功率从 0% 提升至 60%。

推荐理由

该工作提出 SharedKV-BT,通过节点本地类型化决策与并行评分,在机器人操作等任务上显著提升了行为树智能体的推理速度与闭环成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org