arXiv cs.CL· Buzhao Liu, Jianing Ye, Xiu Yuan, Yangtong Feng, Chengsong Huang, Tyler Dinh, Yevgeniy Vorobeychik, Ning Zhang, Chongjie Zhang·· 12 小时前AI 评分42
RoboAuto：通过多层级物理理解实现自主机器人程序搜索
RoboAuto: Autonomous Robot Program Search through Multi-Level Physical Understanding
AI 导读
RoboAuto 是一个面向机器人程序搜索的框架，通过分层知识库、场景接地和多阶段规划三个组件，在对象、场景与交互三个层面显式组织物理理解。它在 LIBERO-PRO 短程任务上达到 89.1% 成功率，在 LIBERO-PRO Long 和 LIBERO-Plus 上的平均成功率超过 ASPIRE 两倍，并在三个长程真实机器人任务上优于 ASPIRE 和 π_{0.5}。
正文 · AI 翻译
摘要：近来，基于 LLM 的自主智能体在迭代生成、评估和精炼可执行解决方案方面展现出强大能力。在机器人操作中，Code-as-Policy 让这些智能体在模块化且可编辑的机器人程序上进行搜索。然而，有效的程序搜索需要物理理解：智能体必须理解物体如何被操作、场景几何如何约束动作，以及交互为何成功或失败。现有方法主要依赖执行反馈来精炼程序，往往未能解决这些物理问题。我们提出 RoboAuto，一个机器人程序搜索框架，通过三个组件在物体、场景和交互层面显式组织物理理解。首先，分层知识库将可执行技能与以物体为中心的可供性、空间关系和动作效果知识相结合，这些知识从具身数据和在线任务求解中学习得到。其次，场景接地通过识别相关物体并解析对动作至关重要的量，将这些知识与当前环境连接起来。第三，带有自主设计实验的多阶段规划检查每个阶段是否产生预期的物理效果，并主动检验相互竞争的假设以解决物理不确定性。RoboAuto 在五个基准系列上取得了优异性能，在短时程 LIBERO-PRO 任务上达到 89.1% 的成功率，在 LIBERO-PRO Long 和 LIBERO-Plus 上的平均成功率是 ASPIRE 的两倍以上。在三个需要精确操作的具有挑战性的长时程真实机器人任务上，它也优于 ASPIRE 和 $\pi_{0.5}$。我们进一步表明，知识库可在不同模拟器和具身之间迁移，且程序搜索性能随其规模扩展。项目页面：this https URL
| 评论： | 项目页面：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.36533 [cs.RO] |
| （或 arXiv:2610.36533v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36533 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Buzhao Liu [查看邮箱]
[v1]
2026年10月27日星期二 02:41:22 UTC（9,278 KB）
来源：arXiv cs.CL · arxiv.org