CRAFT-E：面向具身可affordance grounding的神经符号框架

在非结构化环境中运行的助力机器人不仅要理解物体是什么，更要理解它们能用于什么。这需要将基于语言的动作查询锚定到既能提供所需功能又能被物理获取的物体上。现有方法常依赖黑箱模型或固定的affordance标签，限制了面向人类的应用中的透明性、可控性和可靠性。我们引入CRAFT-E，一个模块化的神经符号框架，将结构化的动词-属性-主语知识图谱与视觉-语言对齐和能量基Grasp推理相结合。该系统生成可解释的锚定路径，揭示物体选择的影响因素，并将Grasp可行性作为affordance推理的内在组成部分。我们进一步构建了一个包含统一注释的数据集，用于动词-主语兼容性、分割和Grasp候选，并在物理机器人上部署了完整管线。CRAFT-E在静态场景、ImageNet基础的功能检索以及涉及20个动词和39个物体的实际场景中实现了竞争性性能。该框架在感知噪声下保持稳健，提供组件级诊断。通过将符号推理与具身感知耦合，CRAFT-E为affordance锚定物体选择提供了一个可解释且可定制的端到端模型替代方案，支持助力机器人系统中可信决策。