基于锚定机器人关键点的序列规划

摘要

本文提出SPARK，一种无需训练的神经符号操作系统，通过行为树组合原始动作并利用感知优化，在LIBERO-PRO任务上达到43.7%的成功率，性能远超基线方法。系统通过两次Gemini调用分别生成计划和优化感知，并引入恢复循环处理失败，显著提升了空间和物体任务的表现。