研究人员开发了CLUE（Closed-Loop contextual Uncertainty rEsolution，闭环上下文不确定性解决）框架，旨在帮助机器人在面对未明确定义的自然语言任务时，主动解决上下文不确定性。CLUE利用大型语言模型来假设概念和计划，然后通过在线构建的语言嵌入地图将其接地为动作。该系统通过环境交互迭代地改进其计划，成功率接近于神谕策略，并显著优于没有闭环反馈的规划器。实验表明，CLUE比简单地查询语言增强地图更有效，以更少的VLM token实现了更高的成功率。 AI
影响 通过提高语言理解和规划能力，增强机器人在复杂、未明确定义环境中的自主性。
排序理由 该集群包含一篇详细介绍机器人领域新AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
