arXiv cs.AI· Jiahao Xu, Peiyuan Wang, Hanzhuo Zhang, Zihao Yu, Tianyu Fu, Hao Chen, Xuanhao Xiang, Zixuan Li, Jianbo Yu, Chenchen Fu, Wanyuan Wang·· 13 小时前AI 评分31
GTP-FA：带失败归因的“先抓取后规划”两阶段机器人操作框架
Grasp-Then-Plan with Failure Attribution: A Closed Two-Stage Framework for Precise and Generalizable Robotic Manipulation
AI 导读
研究者提出 GTP-FA，一个面向任务的“先抓取后规划”两阶段框架，通过失败归因模型对失败轨迹给出失败模式分布，并据此分别优化抓取候选评分与运动规划。在仿真和真机实验中，GTP-FA 在 RL、IL、扩散策略和 VLA 等基座设置上均提升了整体任务成功率。该工作已被 NeurIPS 2026 接收。
正文 · AI 翻译
作者：Jiahao Xu、Peiyuan Wang、Hanzhuo Zhang、Zihao Yu、Tianyu Fu、Hao Chen、Xuanhao Xiang、Zixuan Li、Jianbo Yu、Chenchen Fu、Wanyuan Wang
摘要：在机器人操作中，抓取与运动规划之间的紧密耦合常常掩盖了失败的真正来源，导致低效的试错过程。为实现高效的长时程操作，我们提出 GTP-FA（Grasp-Then-Plan with Failure Attribution，带失败归因的先抓取后规划），这是一个面向任务的两阶段“先抓取后规划”框架，它生成抓取候选，并以所选抓取为条件执行下游运动规划。给定一条失败的操作轨迹，我们学习一个失败归因模型，该模型可泛化到未见过的抓取，并产生关于失败模式的稳定分布，用于诊断引导的优化。基于这些归因结果，我们以诊断驱动的方式优化两个模块：在抓取侧，我们将任务级先验和风险惩罚注入抓取候选评分与优化中，以抑制不稳定或与任务不兼容的抓取；在规划侧，我们通过数据收集和微调针对高风险初始状态，以解决真正的规划瓶颈。我们在仿真和真实机器人实验中评估了所提出的框架，结果表明 GTP-FA 在 RL、IL、扩散策略和基于 VLA 的设置中均改进了相应的基础学习器，实现了显著更高的整体任务成功率。
| 评论： | 已被 NeurIPS 2026 接收。34 页。经同行评审后修订，增加了实验、更新了结果和作者信息。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.03385 [cs.RO] |
| （或 arXiv:2606.03385v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.03385 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiahao Xu [查看邮箱]
[v1]
2026年6月2日星期二 09:29:03 UTC（41,070 KB）
[v2]
2026年10月27日星期二 01:42:48 UTC（41,656 KB）
来源：arXiv cs.AI · arxiv.org