arXiv cs.AI· Gyusik Seo, Jaehong Yoon·· 10 天前AI 评分24
Attacca：面向长时程具身智能体的状态连续性目标导向控制
Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents
AI 导读
针对长时程具身任务中目标常不在视野内的问题，研究者提出 Attacca，用与执行环境解耦的目标图像在完整“搜索到交互”轨迹上训练视觉目标条件策略。该方法采用上下文解耦目标采样与目标掩码预测头，并引入区分 Search、Approach、Interact 阶段的行为相位条件。
正文 · AI 翻译
摘要：具身智能体的核心能力是通过一系列相互依赖的任务序列来完成复杂目标。然而，支撑这些智能体的现有视觉目标条件策略通常是在目标已可见的孤立交互上进行评估，因此无法捕捉连续长时程任务执行过程中出现的各种情况。在此类场景中，每个任务都从前一个任务留下的状态开始：智能体可能停在不同位置和朝向，世界可能已被修改，下一个交互目标可能位于当前视野之外。因此，依赖此类策略的智能体在无法将目标锚定在当前观测中时，可能难以继续执行下一个任务。为应对这一挑战，我们提出 Attacca，一种新方法，它使用与执行环境解耦的目标图像，在完整的“搜索到交互”轨迹上训练视觉目标条件策略。Attacca 采用上下文解耦的目标采样，将每个演示与来自另一个世界的类别兼容的掩码目标图像配对，从而消除直接的场景与位姿对应关系。它通过目标掩码预测头学习密集的当前视图锚定，提供超越动作模仿的辅助监督。我们进一步引入行为阶段条件化，教会策略区分搜索、接近和交互三个阶段，并随着执行进展调整其控制。我们在 Minecraft 中的多个短时程和长时程具身任务上评估 Attacca。我们的方法实现了 39.0-47.5% 的干净成功率，比最强基线提升 1.7-2.4 倍。在长时程任务上，它分别达到 54%、30% 和 28% 的完成率，提升最高达 7 倍。
| 评论： | 项目页面：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07785 [cs.AI] |
| （或 arXiv:2610.07785v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07785 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Gyusik Seo [查看电子邮件]
[v1]
2026年10月6日星期二 05:29:18 UTC（22,969 KB）
来源：arXiv cs.AI · arxiv.org