突破单一模型瓶颈：RoboHarness异构策略编排提升机器人长时序任务

机器之心 · wechat · 2026-08-03

当前具身智能领域，VLA、强化学习、TAMP 等控制策略各有专长，但单一模型难以应对真实世界中同时要求语义理解、几何精度和长时序推理的复杂任务。

论文提出 RoboHarness 框架，核心思路是放弃等待单一通用模型，转而进行异构策略的协同编排。该系统主要解决两个关键问题：

动态选择最合适的策略：利用 Understanding Skills 提取语义相似度、位姿不确定性等多维指标，动态刻画各控制策略在当前环境下的能力边界，据此进行子任务路由。
解决策略间的「交接断层」：当异构策略间发生切换时，常面临状态分布不兼容（OOD）的问题。系统通过 Memory Bridge 检索历史成功轨迹，显式重建下一策略熟悉的状态分布并生成桥接轨迹，实现稳定交接。

实验表明，在约为原始 LIBERO 四倍长度的长时序任务（LIBERO-LoHo）零样本测试中，RoboHarness 将完整成功率提升至 95.2%，远高于单纯使用 LLM 或世界模型分层拆解的方法（最高 64.8%）。

「具身」频道最新