# 长时程机器人操作

移动操作机器人接到“把玩具收进玩具箱”这类指令时，通常要先建一张与任务无关的语义地图，而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询，检查返回候选并反复改写查询，直到消解指令。在 103 条开放式指称查询上，Feijoa 的精确匹配率为 94.2%，高于最佳预建表示 TextMap 的 68.0%；在 Spot 上的 50 次真实试验中完成 35 项任务，其中 17 次成功发生在工具调用或校验失败后的恢复之后。

移动操作机器人接到“把玩具收进玩具箱”这类指令时，通常要先建一张与任务无关的语义地图，而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询，检查返回候选并反复改写查询，直到消解指令。在 103 条开放式指称查询上，Feijoa 的精确匹配率为 94.2%，高于最佳预建表示 TextMap 的 68.0%；在 Spot 上的 50 次真实试验中完成 35 项任务，其中 17 次成功发生在工具调用或校验失败后的恢复之后。

该工作提出一种基于狄利克雷过程混合的贝叶斯非参数技能先验，在结构化潜空间中建模时序延展技能，无需预设组件数量即可自适应发现技能，并将其嵌入分层强化学习框架，由学习到的先验指导高层技能选择、由预训练解码器生成时序抽象动作；在Franka Kitchen、LIBERO-Long、Meta-World和一台真实机器人上，长时程操作取得一致提升，1.5M步内成功率超过0.8，而SAC即使训练5M步也未收敛（低于0.1），相对单高斯先验基线平均提升21.8%。

该工作提出一种基于狄利克雷过程混合的贝叶斯非参数技能先验，在结构化潜空间中建模时序延展技能，无需预设组件数量即可自适应发现技能，并将其嵌入分层强化学习框架，由学习到的先验指导高层技能选择、由预训练解码器生成时序抽象动作；在Franka Kitchen、LIBERO-Long、Meta-World和一台真实机器人上，长时程操作取得一致提升，1.5M步内成功率超过0.8，而SAC即使训练5M步也未收敛（低于0.1），相对单高斯先验基线平均提升21.8%。