RoboAuto：基于多层级物理理解的自主机器人程序搜索

RoboAuto 用三层物理理解改进机器人程序搜索。

资讯摘要

论文提出 RoboAuto 框架，将机器人程序搜索中的物理理解分为物体、场景、交互三个层级，对应分层知识库、场景接地与多阶段规划加自设计实验三个组件。作者报告其在五个基准族上表现更优，LIBERO-PRO 短程任务成功率达 89.1%，在 LIBERO-PRO Long 与 LIBERO-Plus 上平均成功率超过 ASPIRE 两倍，并在三个长程真机任务上优于 ASPIRE 和 π_(0.5)。作者还称知识库可跨模拟器与本体迁移，程序搜索性能随知识库规模提升。

要点速读

1. 框架用分层知识库、场景接地、多阶段规划与自设计实验组织物体、场景、交互三层物理理解。
2. 作者报告 LIBERO-PRO 短程任务成功率 89.1%，长程与 LIBERO-Plus 上平均成功率超 ASPIRE 两倍。
3. 作者称知识库可跨模拟器与本体迁移，搜索性能随知识库规模提升。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。