摘要
本文提出机器人学习中根本性的“世界 - 任务”分解框架，将环境属性与任务逻辑分离。通过贝叶斯模型证据形式化该不对称性，结合可微图架构 AICON 与紧凑策略，利用梯度作为接口传递结构与成本信息。该方法在异构机器人及环境中表现优异，实现零样本泛化及真实硬件迁移，无需重新训练即可适应新约束组合。
AI 推荐理由
论文核心在于通过世界 - 任务分解实现策略结构化，支持复杂任务规划与泛化。
研究机构
Department of Computer Science and Technology, University of Cambridge, United Kingdom
Robotics and Biology Laboratory, Technische Universität Berlin, Germany
Robotics and Biology Laboratory, Technische Universität Berlin
Science of Intelligence (SCIoI), Cluster of Excellence, Berlin, Germany
论文信息