arXiv cs.AI· Vincenzo Guarino, Emanuele Musumeci, Vincenzo Suriani, Daniele Nardi·· 9 天前AI 评分22
iAm.md：通过智能体内省实现未知开放词汇域中的机器人技能自评估
iAm.md: Robot Skill Self-Assessment through Agentic Introspection for Unknown Open-Vocabulary Domains
AI 导读
研究者提出 iAm.md，一种 Markdown 标准与生成框架，通过开放词汇语义建图将视觉语言检测与物体分割关联到持久物体记录，让智能体实现内省。在仿真 TIAGo 的导航与操作任务上，该标准化表示同时支持技能自评估与可执行任务泛化，论文已被 AIRO 2026 接收。
正文 · AI 翻译
摘要：基于大语言模型泛化能力的智能体 AI 提供了广泛的潜在应用，包括具身任务的规划。例如，基于基础模型的具身智能体可以在自主机器人场景中生成合理的规划。由于上下文窗口有限或下一词预测范式中的幻觉现象，生成的行为可能未确认所部署的机器人和观测到的环境是否实际支持所请求的操作，我们称之为“接地失败”。得益于基础模型推理能力的最新改进，自主机器人行为生成问题可以被表述为代码生成问题。我们提出了 this http URL，一种 Markdown 标准与生成框架，允许将该过程锚定在互补形式的部署证据中。通过开放词汇语义映射，我们将局部视觉-语言检测与物体分割相结合，并将它们引用到该中间标准化表示中的持久物体记录，从而实现智能体内省。随后，我们在模拟的 TIAGo 上研究这一新技术，针对导航与操作任务，展示这种标准化表示如何共同支持技能自评估和可执行任务泛化。
| 评论： | 7 页，2 幅图，1 张表。已被第 13 届意大利人工智能与机器人研讨会（AIRO 2026）接收。项目页面：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.10962 [cs.RO] |
| （或 arXiv:2610.10962v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10962 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Vincenzo Guarino [查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 22:28:28 UTC（1,396 KB）
来源：arXiv cs.AI · arxiv.org