AlphaSpace:通过语义标记化与符号推理赋能机器人动作
计算与语言
2025-03-28 v2 机器人学
摘要
本文提出 AlphaSpace,一种旨在增强语言模型在三维笛卡尔空间中机器人操作空间推理能力的新方法。AlphaSpace 采用一种基于层次化语义的标记化策略,在粗粒度与细粒度两个层级上对空间信息进行编码。我们的方法通过结构化标记表示物体及其属性、位置与高度信息,从而实现精确的空间推理,且无需依赖传统的基于视觉的嵌入。该方法使 LLM 能够通过将物体定位到具体的 (x, y, z) 坐标来准确操控物体。实验结果表明,AlphaSpace 在提升操作任务方面展现出可观的潜力,总准确率达到 66.67%,而 GPT-4o 为 37.5%,Claude 3.5 Sonnet 为 29.17%。这些结果展示了结构化空间编码在操作任务中的潜力,值得进一步探索。
引用
@article{arxiv.2503.18769,
title = {AlphaSpace: Enabling Robotic Actions through Semantic Tokenization and Symbolic Reasoning},
author = {Alan Dao and Dinh Bach Vu and Bui Quang Huy},
journal= {arXiv preprint arXiv:2503.18769},
year = {2025}
}