#Princeton (1)

通过物理代理解决通用机器人的编排鸿沟

通用机器人需要推理自身行为，融合感知、世界知识、规划、成功检测、恢复和底层控制。现有方法试图通过大规模预训练将所有能力融入学习策略。我们提出将这些能力分解为语言条件控制代理和高层编排器。Pigey编排器在推理时闭环运行：前沿VLM规划子目标、选择冻结后端执行、验证结果、失败时恢复。在LIBERO-PRO上提升4倍（12.8%→53.3%），在真实机器人上将冻结策略从近零提升到90%以上，无需额外数据采集或训练。