Nghiên cứu
X-Planner: Hệ thống lập kế hoạch tác vụ dựa trên cấu trúc sự kiện cho robot thông minh
(giờ Việt Nam)
Tóm tắt AI
X-Planner là giải pháp lập kế hoạch mới giúp robot hiểu rõ các bước trung gian trong tác vụ dài hạn, kết hợp dữ liệu đa nguồn và giao diện VLM để tối ưu hóa khả năng suy luận và xử lý lỗi thực tế.
Chính văn · Bản dịch AI
Tác giả: Howard Lu, Shalfun Li, Porter Pan, Cris, Lumen, Cyril, Eric Hu, Lily Li, Maeve Zhang, Robert Wang, KZ Zheng, Viggo Chen, Tim Ding, Regsis Cheng, YJ Xiao, Kian, Hai Lin, Alan Song, Elise Ma, Gody Li, Victor Yao, Yohann Tang, Ingrid Yu, Jason He, James Wang, Ryan Yu, Ping Yang, Chris Pan, Vincent Chen, Roy Gan, Hao Wang, Qian Wang
Tóm tắt: Lập kế hoạch tác vụ đóng vai trò cầu nối giữa các chỉ dẫn cấp cao và hành vi có thể thực thi trong các thao tác dài hạn, tuy nhiên các hệ thống Vision-Language-Action (VLA) hiện đại thường để cấu trúc trung gian này ở dạng ẩn. Các bộ lập kế hoạch chuỗi tư duy (CoT) hiện có cũng có xu hướng dựa vào các chú thích cấp tác vụ thô hoặc tuần tự hóa các chuỗi suy luận dài theo từng token. Chúng tôi giới thiệu X-Planner, một giao diện lập kế hoạch front-end giải quyết cả vấn đề giám sát và biểu diễn suy luận hiện thân. Dữ liệu lập kế hoạch của chúng tôi kết hợp Ego, UMI và điều khiển từ xa theo phân cấp độ chi tiết với độ sâu chú thích phụ thuộc vào nguồn. Các chú thích về thời gian tiếp quản và các lỗi do con người thiết kế giúp giám sát quá trình nhận diện lỗi đang diễn ra. Về phía mô hình, một backbone VLM dùng chung cung cấp hai dạng kế hoạch có cấu trúc sự kiện: giao diện rời rạc phát ra các trạng thái sự kiện có thể diễn giải và giao diện tiềm ẩn chuyển tiếp các trạng thái CoT liên tục qua các độ sâu Transformer so le thông qua Staircase Decoding. Mục tiêu tái tạo từ tiềm ẩn sang văn bản (đã đóng băng) cung cấp một điểm neo ngữ nghĩa cho biểu diễn tiềm ẩn. Đánh giá lập kế hoạch hai bước ngoại tuyến xếp X-Planner ở vị trí thứ hai trong số bốn mô hình được đánh giá dựa trên cả BERTScore-F1 và điểm Tổng thể dựa trên đánh giá. Trong các thí nghiệm với robot thực tế, mô hình vượt trội hơn các baseline được đánh giá. Những kết quả này đặc trưng cho chất lượng văn bản lập kế hoạch và việc thực thi ở hạ nguồn.
| Bình luận: | URL https này |
| Chủ đề: | Trí tuệ nhân tạo (cs.AI) |
| Trích dẫn là: | arXiv:2609.25187 [cs.AI] |
| (hoặc arXiv:2609.25187v1 [cs.AI] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.25187 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Hao Lu [xem email] [v1] Thứ Hai, 21 tháng 9 năm 2026 17:01:16 UTC (1,447 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.