ESCAPE：用于长期轨道移动操作的情景空间记忆与自适应执行策略
计算机视觉与模式识别
2026-04-16 v1 机器人学
摘要
在复杂室内环境中，协调导航与操作以实现稳健性能是具身 AI 的关键挑战。然而，随着任务跨越更长的时间范围，现有方法常因遗忘、空间不一致和僵化执行而难以应对。为此，我们提出了 ESCAPE（情景空间记忆与自适应执行策略耦合），通过紧密耦合的感知-定位-执行工作流程运行。为实现稳健感知，ESCAPE 包含一个时空融合映射模块，用于自回归构建无深度、持久的 3D 空间记忆，同时还有一个记忆驱动的目标定位模块，用于精确生成交互掩码。为实现灵活的动作，ESCAPE 的自适应执行策略会动态编排主动的全局导航与反应性的局部操作，以抓住机会性目标。ESCAPE 在 ALFRED 基准测试中实现了最先进的性能，在测试所见和未见环境中分别达到 65.09% 和 60.79% 的成功率。通过减少冗余探索，ESCAPE 在路径长度加权指标上实现了显著提升，即使在缺乏详细指引的长期任务中，也能保持稳健性能 (61.24% / 56.04%)。
引用
@article{arxiv.2604.13633,
title = {ESCAPE: Episodic Spatial Memory and Adaptive Execution Policy for Long-Horizon Mobile Manipulation},
author = {Jingjing Qian and Zeyuan He and Chen Shi and Lei Xiao and Li Jiang},
journal= {arXiv preprint arXiv:2604.13633},
year = {2026}
}