SDA-PLANNER：用于具身任务规划的状态依赖感知自适应规划器
机器人学
2025-10-01 v1 人工智能
计算机视觉与模式识别
摘要
具身任务规划要求智能体在环境中以闭环方式产生可执行的动作。随着大语言模型（LLM）在任务分解、规划和泛化方面的能力逐步提升，当前的具身任务规划方法采用了基于 LLM 的架构。然而，现有的基于 LLM 的规划器在三个方面仍然存在局限，即固定的规划范式、缺乏动作序列约束以及错误不敏感。在这项工作中，我们提出了 SDA-PLANNER，它实现了自适应规划范式、状态依赖感知和错误感知机制，以进行全面的具身任务规划。具体来说，SDA-PLANNER 引入了一个状态依赖图来显式地建模动作的前提条件和效果，从而指导动态修订。为了处理执行错误，它采用了一种由错误回溯与诊断以及自适应动作子树生成组成的错误自适应重规划策略，该策略根据当前环境状态局部重建受影响的计划部分。实验表明，SDA-PLANNER 在成功率和目标完成度上始终优于基线方法，尤其是在各种错误条件下。
引用
@article{arxiv.2509.26375,
title = {SDA-PLANNER: State-Dependency Aware Adaptive Planner for Embodied Task Planning},
author = {Zichao Shen and Chen Gao and Jiaqi Yuan and Tianchen Zhu and Xingcheng Fu and Qingyun Sun},
journal= {arXiv preprint arXiv:2509.26375},
year = {2025}
}