arXiv ID:
2606.02027
arXiv 提交日期: 2026-06-01
世界与任务的分解:面向机器人学习 / World-Task Factorization for Robot Learning
1️⃣ 一句话总结
本文提出了一种将机器人学习中的“世界模型”(包括环境和机器人自身特性)与“任务逻辑”(即具体要完成的目标)明确分离的结构化方法,通过一个可微分的组合图(AICON)来传递世界信息,并用一个小型策略网络来学习任务,从而让机器人能在不同任务、环境和硬件之间实现零样本泛化,无需重新训练。