arXiv cs.RO· Hyeongwoo Nam, Woongje Cho, Juwon Kim, Jongeun Choi·· 2 小时前精选AI 评分66
OntoPlan：面向可扩展机器人任务规划的本体论场景表示与智能体框架
OntoPlan: An Ontology-Grounded Scene Representation and Agentic Framework for Scalable Robot Task Planning
AI 导读
OntoPlan 提出本体论场景表示与智能体框架，将物体、空间、关系和状态对齐到共享符号词汇，用于空间推理与任务规划。在覆盖五个室内环境、三种场景尺度的150个通用任务上，平均任务成功率为0.89，最强基线为0.27；平均每任务消耗18.1k token，约为最高效基线的5.6分之一。
推荐理由
论文给出本体论场景表示与智能体规划框架，在150个任务上对比基线的成功率与token开销，可了解长时程规划思路。
来源：arXiv cs.RO · arxiv.org