跳到正文
arXiv · 机器人与计算机视觉· Sacha Morin, Kumaraditya Gupta, Mahtab Sandhu, Charlie Gauthier, Francesco Argenziano, Kirsty Ellis, Liam Paull·· 2026-10-08精选AI 评分83

Agentic Scene Policies:统一场景感知与操作技能的机器人框架

Agentic Scene Policies

AI 导读

针对现有视觉语言动作模型(VLAs)泛化能力受限及缺乏显式空间推理的问题,本文提出 Agentic Scene Policies(ASP)框架。该框架通过场景智能体工具接口,利用部件级功能特性将场景理解与机器人技能统一在单一动作空间中,支持如拔充电器、开抽屉等零样本交互。实验表明,ASP 在零样本设置下表现优于领先的 VLAs,并展示了处理房间级查询的扩展性。

推荐理由

提出结合显式3D场景表示与运动规划的模块化策略,在零样本设置下超越主流VLA模型。

来源:arXiv · 机器人与计算机视觉 · arxiv.org