UniPred 入选 IEEE T-RO 2026:让机器人从演示中自创任务概念

tomssilver · x · 2026-10-28

CMU 等机构团队的 UniPred 论文被 IEEE Transactions on Robotics 2026(机器人基础模型专刊)接收。核心问题:机器人规划长程任务依赖概念谓词,但人类演示只标注了动作,没有概念。UniPred 用 agent-in-the-loop 方式发明概念:LLM agent 提出某概念在哪些动作后成立/失效,神经分类器从演示图像特征中学习该概念,不一致的提案损失居高不下,agent 据此迭代修正,直到概念能干净切分。规划器将学到的概念串联成长程任务,技能失效时能重新规划;同一套学习可作用于物体状态、点云和相机图像。团队来自 CMU、密歇根大学、普林斯顿等,作者含 Tom Silver、Katia Sycara、Sebastian Scherer。