Quality-Diversity Optimization Embodied AI Policy Diversity Failure Recovery
摘要

针对基于大模型的规划器在执行中易陷入单一模式导致停滞的问题,本文提出一种基于质量多样性(QD)的框架,为多模态具身智能体发现多样化的规划策略。该方法将规划策略模板视为可进化个体,构建行为索引档案。离线阶段通过轨迹摘要指导策略变异与重组;在线阶段,当检测到持续停滞时,系统回滚并切换至行为不同的存档策略以恢复执行。在ThreeDWorld基准上的实验表明,该框架显著提升了任务成功率和交互效率。

AI 推荐理由

论文核心在于解决多模态具身智能体的任务规划问题,提出多样化策略以优化长程任务执行和失败恢复。

研究机构
南京信息工程大学人工智能学院 南京信息工程大学信息科学与工程学院
论文信息
作者 Pengfei Xu, Yong Liu, Xiaoya Nan, Qiang Yang, Peilan Xu
发布日期 2026-08-09
arXiv ID 2608.08523
相关性评分 9/10 (高度相关)