通过检索 - 推理 - 行动实现检索增强型机器人

本文主张机器人应从被动执行者演变为主动信息检索用户，以填补零样本设置下的知识缺口。我们定义了检索增强机器人学（RAR）范式，通过“检索 - 推理 - 行动”迭代循环，使机器人能从非结构化语料中检索视觉程序手册，将抽象二维图表与三维物理部件进行跨模态对齐，并合成可执行计划。实验表明，基于检索视觉文档的规划显著优于零样本推理基线，确立了信息检索驱动具身物理动作的新基础。