AtomTree 用分层回溯重规划提升具身指令跟随的状态感知。
资讯摘要
论文提出 AtomTree，一种用 LLM 进行状态感知任务规划的分层框架。它逐步构建子目标与动作树，LLM 依据当前符号状态决定继续分解还是输出可执行的低层动作；轻量记忆模块汇总过往结果供后续决策复用。低层动作停滞时触发分层回溯重规划，从最新状态重建子树。作者报告在 ALFRED 基准零样本评测中优于此前基于 LLM 的规划器。
要点速读
- AtomTree 增量构建子目标与动作树，由 LLM 根据当前符号状态逐步决定分解或输出低层动作。
- 轻量记忆模块总结历史执行结果，供后续决策复用。
- 低层动作停滞时触发分层回溯重规划，回到父节点并按最新状态重新生成子树计划；作者报告在 ALFRED 零样本评测中优于先前 LLM 规划器。
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 2026/10/31 08:00:18（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。