论文用DDL约束机器人规划，在模拟任务中提升守法率。
资讯摘要
论文提出一种法律规划栈，用可废止道义逻辑（DDL）约束运动规划器，并借助学习到的世界模型提供法律上下文，从而在非法动作执行前进行事前治理。作者在模拟机械臂推方块任务中报告：受法律约束的智能体遵守率明显更高，建模感知不确定性后进一步提升；法律推理运行高效且裁决可审计，并能适应外生信号与规则变化。论文还测量了感知接地与本体映射两类同构缺口。
要点速读
- 论文提出法律规划栈，用DDL约束运动规划器，并利用世界模型在动作执行前进行事前治理。
- 在3x3网格模拟机械臂推方块任务中，受法律约束的智能体遵守率明显高于未受约束者，建模感知不确定性后进一步提升。
- 作者报告法律推理在运行时高效、裁决可审计，并测量了感知误差与单一法律多种度量解释带来的两类同构缺口。
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。