DiMuRe：诊断引导的机器人任务多级恢复框架

DiMuRe 用诊断引导多级恢复提升机器人任务受扰后的成功率。

资讯摘要

论文提出 DiMuRe，一种面向机器人智能体的诊断引导多级恢复框架：当扰动破坏下一步动作条件时，依据阶段证据与方法前置条件，选择复用原程序、调用预定义恢复技能（含受限的 VLA 抓取），或由多模态大模型根据图像与执行反馈生成纠正代码，并对每次恢复结果做局部验证。作者同时发布 LIBERO-Disturb 扰动恢复基准。在 801 个受扰动 Encore 开发案例上，Local DiMuRe 完整任务成功率为 77.65%，原程序为 58.68%。

要点速读

1. DiMuRe 依据阶段特定证据和方法前置条件，决定复用程序还是调用恢复技能，并支持 MLLM 生成纠正代码与局部验证。
2. 作者提出 LIBERO-Disturb 基准，用于评估执行中途扰动下的鲁棒性与恢复能力，支持程序型智能体和 VLA 策略。
3. 在 801 个受扰动 Encore 开发案例上，Local DiMuRe 成功率为 77.65%，原程序为 58.68%；完整版 DiMuRe 为 81.90%。

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 2026/11/5 08:00:38（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。