摘要
针对杂乱环境中通用机器人抓取难题，现有方法忽视物理可供性且缺乏闭环推理。本文提出 Agentic RAG-VLM 框架，融合检索增强生成、视觉语言模型与智能体自反思规划。该框架包含层级化可供性感知检索、场景图约束推理及具备故障分类的自适应重试管道。实验表明，该方法通过功能匹配与闭环规划显著提升了复杂场景下的抓取成功率与鲁棒性。
AI 推荐理由
论文核心提出自反思规划管道，实现闭环抓取优化与故障恢复，属规划机制研究。
研究机构
福州大学
论文信息