arXiv cs.AI· Zhou Chen, Joe Lin, Carson Bulgin, Sathyanarayanan N. Aakur·· 14 小时前AI 评分29
CRAFT-E：可解释可编辑的神经符号框架，实现基于可供性的主动物体检索
CRAFT-E: An Interpretable and Editable Neuro-Symbolic Framework for Affordance-Grounded Active Object Retrieval
AI 导读
CRAFT-E 是一个模块化神经符号框架，将 LLM 衍生的动词-属性-物体知识图谱与 CLIP 视觉对齐、基于能量的抓取推理相结合，用于可供性 grounded 的物体检索。
正文 · AI 翻译
摘要：在非结构化环境中运行的辅助机器人不仅要推理物体是什么，还要推理它们可以如何被使用，包括非规范性和临时性的用途。这要求将基于语言的动作查询落地到具备所请求功能、视觉上存在且可被物理获取的物体上。现有方法通常依赖黑盒模型、固定的可供性标签或直接物体预测，限制了透明性和可控性。我们提出 CRAFT-E，一个模块化的神经符号框架，它将由 LLM 导出的动词-属性-物体知识图谱与基于 CLIP 的视觉对齐以及基于能量的抓取推理组合起来。该系统提供可解释的落地路径，将抓取可行性纳入可供性推理，并支持无需重新训练的有针对性图编辑。我们还构建了一个基准数据集，为动词-物体兼容性、分割和抓取候选提供统一标注，并在物理机器人上部署了完整流水线。在静态场景、涉及 20 个动词和 39 个物体的真实世界试验、基于 ImageNet 的功能检索以及 COCO-Tasks 迁移中，CRAFT-E 为可供性落地检索提供了有竞争力的免训练先验，同时暴露组件级诊断和图级干预。在分阶段和全流水线感知下，CRAFT-E 在多种设置中与强平坦 LLM 先验相当，同时增加了失败归因和可编辑的推理路径。通过将符号推理与具身感知相结合，CRAFT-E 为可供性落地物体检索提供了一个可检查且可定制的框架。
| 评论： | WACV 2027。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:2512.04231 [cs.RO] |
| （或 arXiv:2512.04231v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2512.04231 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sathyanarayanan Aakur [查看电子邮件]
[v1]
2025年12月3日星期三 19:54:27 UTC（2,024 KB）
[v2]
2026年10月25日星期日 21:35:41 UTC（1,999 KB）
来源：arXiv cs.AI · arxiv.org