arXiv cs.AI· Jingxuan Wei, Jiahao Fu, Fuqiang Wang, Xiaoming Wu, Yuwen Liu, Kaiwen Wei, Ming Yang, Junnan Zhu·· 10 小时前AI 评分26
MAGAR：面向 GUI 三维机械装配与最小返工的多模态智能体框架
MAGAR: Multimodal Agents for GUI-Based 3D Mechanical Assembly and Minimal Rework
AI 导读
MAGAR 是一个基于冻结策略的选择性纠错框架，通过将纠错粒度与输出依赖匹配，在 MAGAR-Bench 留出装配族状态上把任务均衡总分 Overall 从 37.50 提升到 41.39，三项任务均有增益。
正文 · AI 翻译
摘要：GUI 命令在界面层面可能正确，却仍会产生错误的装配。智能体必须识别相关组件、遵守其结构关系，并确定在恢复过程中哪些部件应当移动。我们推出 MAGAR-Bench，这是一个包含来自 26 个装配系列的 4,000 个多模态样本的基准，将装配决策、原子动作和最小返工区分开来。对于返工，目标统计的是每个状态在经验证的恢复候选集中被移动的不同部件数量，而非动作数量。我们还推出 MAGAR，这是一个基于通过监督微调获得的冻结策略构建的选择性纠正框架。其关键设计是将纠正粒度与输出依赖关系相匹配。结构化候选修正装配字段和返工范围，而完整动作候选则保持原生 GUI 原语与其参数耦合。学习型选择器会保留原始预测，除非某个候选通过任务特定的干预阈值。在来自留出装配系列的记录状态上，MAGAR 将 Overall（任务均衡聚合指标）从 37.50 提升至 41.39，且在全部三项任务上均有提升。在 209 次干预中，70 次纠正了错误，22 次引入了错误。这些结果支持任务特定的纠正，同时凸显了在修复错误与保留可靠预测之间仍存在的权衡。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.02472 [cs.AI] |
| （或 arXiv:2611.02472v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.02472 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiahao Fu [查看电子邮件]
[v1]
2026 年 11 月 2 日星期一 03:40:49 UTC（5,051 KB）
[v2]
2026 年 11 月 10 日星期二 09:01:56 UTC（5,058 KB）
来源：arXiv cs.AI · arxiv.org