ADAPT：在未指定功能约束下评估常识规划的基准

智能具身代理不应仅机械执行指令，而需应对现实环境中不可预知的条件与异常。现有方法常忽视目标对象的可操作性评估，导致无法感知可用功能（affordance）。为此，本文推出 DynAfford 基准，评估代理在功能随时间动态变化且未在指令中明确的环境中的表现。该基准要求代理感知物体状态、推断隐含前提并自适应调整行动。此外，本文提出即插即用模块 ADAPT，通过显式功能推理增强现有规划器。实验表明，ADAPT 显著提升了代理在可见与未见环境中的鲁棒性与任务成功率。