基于功能供性的操作规划：利用文本目标与实转仿图像转换实现仿真到现实的泛化

本文提出一种基于功能供性识别与动作效果预测的操作规划系统。该系统以视觉形式推演可能未来，利用多模态目标匹配模块，通过预测结果与运行时文本目标的一致性来评估候选计划。即使物体被遮挡或初始描述失效，系统仍能追踪其位置并生成行动计划。此外，引入图像转换模块，将具有不同形状和外观的真实世界状态图像转化为一致视觉效果，以促进物理机器人环境下的操作规划。实验在仿真与硬件上验证了各模块性能及集成系统的规划能力。