Robotics Program Synthesis Skill Library Human-in-the-loop LLM Agents
摘要

针对视觉 - 语言 - 动作模型黑盒难解释的问题,本文提出 ARCHITECT 框架,将机器人策略获取视为交互式程序合成任务。该方法利用 LLM 的代码推理能力合成模块化程序,并通过人类自然语言反馈进行迭代修正。执行轨迹被提炼为持久化技能库,实现长期上下文学习,使智能体能积累可解释、可复用的行为 repertoire。实验表明,该系统在复杂长程任务上优于现有 VLA 模型,且随技能库积累显著降低人工干预需求。

AI 推荐理由

论文核心在于利用 LLM 合成模块化机器人程序并构建可复用的技能库,直接对应技能学习与工具使用。

研究机构
University of Washington Microsoft Research Massachusetts Institute of Technology
论文信息
作者 Daphne Chen, Archit Ritesh Jain, Eric Goossen, Emma Romig, Michael Murray et al.
发布日期 2026-07-26
arXiv ID 2607.23784
相关性评分 9/10 (高度相关)