摘要
本文提出一种用于创造性机器人工具使用的因果推理框架，旨在识别适用于非主要目标的工具。该框架通过在动力学模型中进行模拟实验，解耦为基于视觉语言模型的特征建议与针对几何物理特征扰动的反事实工具生成两部分。随后，基于识别出的因果特征对新颖物体进行分类，并通过关键点匹配实现技能迁移。该方法将工具使用扎根于物理机制中，实验表明其在可靠工具选择与技能迁移方面表现优异。
AI 推荐理由
论文核心在于通过反事实推理发现因果特征，实现机器人创造性工具使用及技能迁移。
研究机构
Brown University, Providence, RI, USA
论文信息