arXiv cs.AI· Youwei Yu, Lantao Liu·· 3 天前AI 评分22
FOSA：用符号抽象上的生成流发现机器人具身能力
Generative Flow on Symbolic Abstractions for Embodiment Capability Discovery
AI 导读
研究者提出 FOSA（Generative Flow on Symbolic Abstractions），通过将抽象策略参数化为生成流网络来构建符号任务骨架，再把每个骨架编译成仿真环境，以底层策略学习表现作为抽象策略的奖励信号，从而发现贴近机器人能力前沿的可执行任务。
正文 · AI 翻译
摘要：实现复杂、长时程的机器人行为仍然具有挑战性，因为成功执行取决于以机器人物理可供性为基础的技能。现有的训练任务分布通常是手工设计的，或从大型语言模型（LLM）中采样得到的，依赖的是语义合理性，而非特定具身形态的可行性。这种不匹配可能产生过于困难、冗余，或对非显而易见但可学习的行为视而不见的课程。我们提出符号抽象上的生成流（FOSA），一个通过学习有根基的任务生成器来发现特定具身形态能力的框架。FOSA 将抽象策略参数化为一个生成流网络，用于构建符号任务骨架。每个骨架被编译为一个仿真环境，其中低层策略学习性能为抽象策略提供奖励信号。在异构机器人平台上，FOSA 发现了接近机器人经验能力前沿的多样且可执行的任务。在将所发现的任务策略蒸馏为单一语言条件策略后，FOSA 在未见过的复杂和长时程任务上提升了性能。代码和演示视频可在 此 https URL 获取。
| 评论： | 代码和演示视频可在 此 https URL 获取 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG）；符号计算（cs.SC） |
| 引用为： | arXiv:2610.17174 [cs.RO] |
| （或 arXiv:2610.17174v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17174 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Youwei Yu [查看电子邮件]
[v1]
2026年10月12日星期一 17:46:33 UTC（25,146 KB）
来源：arXiv cs.AI · arxiv.org