研究人员开发了一个名为GRASP（Grounded Reasoning and Symbolic Planning）的新框架，使机器人能够理解并执行用于操作任务的自然语言指令。这种神经符号方法使用预训练的视觉-语言模型将抽象查询转换为由边界框识别的物理目标状态。GRASP在实际试验中达到了73.3%的成功率，且无需进行特定任务的训练，展示了其在开放词汇表桌面操作方面的潜力。 AI
影响 该框架通过实现更直观的、基于语言的操作任务控制，有可能显著提升机器人自主性。
排序理由 该集群描述了一篇发表在arXiv上的研究论文，详细介绍了一个新的机器人框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.12910v1 Announce Type: cross Abstract: For robotics to be effectively integrated into household or industrial environments, machines must adapt to natural-language prompts in real time. Although Vision-Language Models (VLMs) have enabled zero-shot generalization in rob…
For robotics to be effectively integrated into household or industrial environments, machines must adapt to natural-language prompts in real time. Although Vision-Language Models (VLMs) have enabled zero-shot generalization in robot task and motion planning (TAMP), current state-…