利用工具实现可扩展的具身能力
机器人学
2026-05-27 v1
摘要
大多数现有的具身智能方法将感知、推理、规划和控制统一在一个参数化策略中。然而，这些能力本质上是层次化和异质的，使得它们难以在单一模型中可靠地学习和模块化。我们提出了一种能力外部化方法，将异质能力解耦为独立优化的工具，并在推理时动态调用。为此，我们引入了具身工具协议（ETP），一个用于具身工具注册、发现、调用和执行的标准化协议，并整理了100多个经过验证的工具作为工具库，涵盖感知、认知、推理和执行。在此基础上，我们构建了EmbodiedToolBench来评估工具增强是否提升了具身性能，以及当前模型在工具必要性识别、工具选择、工具执行和工具链组合方面使用工具的能力。在仿真和真实世界平台上的实验证实，能力外部化持续提升了具身性能（在EB-ALFRED上平均提升31%，在EB-Navigation上平均提升36%），但也揭示了一个清晰的边界：在认知和感知方面收益显著，但在执行类能力方面收益有限。此外，我们的分析表明，知道何时、调用哪个以及如何调用工具仍然是所有模型面临的持续挑战，从而将具身工具能力凸显为未来研究的一个关键方向。
引用
@article{arxiv.2605.26637,
title = {Enabling Extensible Embodied Capabilities with Tools},
author = {Xueyang Zhou and Zijia Wang and Qianjiang Li and Yibo Hu and Guiyao Tie and Li Wan and Yidan Liu and Pan Zhou and Lichao Sun and Yongchao Chen},
journal= {arXiv preprint arXiv:2605.26637},
year = {2026}
}
备注
51 pages, 20 figures,