arXiv cs.AI· Weizhe Xu, Jialiang Fan, Mengyu Liu, Fanxin Kong·· 9 天前AI 评分24
SafeInferCom：面向机器人任务规划的安全推理时计算框架
SafeInferCom: Safe Inference-Time Compute via Verifier-Guided Mid-Generation Intervention for Robotic Task Planning
AI 导读
SafeInferCom 是一个由形式化验证器引导的推理时框架，通过监控并验证中间规划、在生成过程中保留有效中间计划并引导纠错，解决大推理语言模型在机器人任务规划中持续推理覆盖有效计划或约束违规未解决的问题。
正文 · AI 翻译
摘要：大型推理语言模型（LRLMs）使机器人任务规划能够进行多步推理，但持续的推理可能会覆盖有效的中间计划，或使约束违规问题悬而未决，从而降低规划可靠性并浪费推理时的计算资源。我们开发了一种推理时监控器，可在不干扰原始解码轨迹的情况下暴露并验证中间计划。基于该监控器，我们提出了 SafeInferCom，一个由形式化验证器引导的框架，可保留有效的中间计划并在生成过程中引导纠错。在多个 LRLMs 和规划领域上的实验揭示了单次推理下的推理-响应不一致以及有限的自我纠错能力。与单次推理相比，SafeInferCom 提高了规划成功率并加速了纠错。当与迭代细化结合时，与单独使用细化相比，它进一步提高了成功率，同时减少了 token 使用量。我们还在 VirtualHome 中评估了 SafeInferCom，并提供了真实世界机械臂演示。
| 评论： | 视频：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算与语言（cs.CL）；计算机科学中的逻辑（cs.LO） |
| 引用为： | arXiv:2610.11223 [cs.RO] |
| （或 arXiv:2610.11223v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11223 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Weizhe Xu [查看邮箱]
[v1]
2026年10月8日星期四 04:19:47 UTC（409 KB）
来源：arXiv cs.AI · arxiv.org