5月14日消息，據中國科學院官方信息，具身智能作為人工智能向物理世界延伸的關鍵形態，對推動機器人實現自主理解與行動具有重要意義。當前，“視覺—語言—動作”模型在短任務中表現良好，但在復雜連續任務中易受局部觀測、環境擾動及動作累積誤差影響，導致階段性動作合理但整體目標偏離，限制了其在開放環境中的穩定執行與泛化應用。
近期，中國科學院重慶綠色智能技術研究院研究團隊提出面向長程任務的按需搜索方法。該方法將目標偏移視為采樣過程中的系統性誤差，通過識別不確定性變化的關鍵節點，引入軌跡重采樣與一致性校驗機制。在全局目標約束下，該方法能夠篩選候選動作序列，降低局部最優決策導致的長程任務偏移風險。
實驗表明，研究在多個長程機器人任務基準上取得良好效果。該方法在LIBERO-Long基準上，平均成功率達97.6%；在RoboTwin 1.0基準上，較π0模型提升15.2%；在RoboTwin 2.0基準上，較RDT模型提高31.6%。
相關研究成果發表在Expert Systems with Applications上，并被ICML 2026、ACL 2026等學術會議收錄。
本站內容除特別聲明的原創文章之外，轉載內容只為傳遞更多信息，并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經濟損失。聯系電話：010-82306118；郵箱：aet@chinaaet.com。