SUN：面向语言落地的控制到学习到真实策略的持久程序

在长时程操作中，基于模型的控制与学习得到的策略之间一直存在一个隐性的分歧：控制负责执行指定目标，学习则将这种行为摊销为反应式策略，然而现有协议会丢弃任务语义，导致奖励被手工设计，行为也逐渐偏离控制所验证的内容。我们提出语义统一（Semantically UNified，SUN）程序，这是一类带类型的可执行程序，其中几何关系和接触关系只需定义一次，随后即可编译为对齐的模型预测控制（Model Predictive Control，MPC）代价、满足谓词、强化学习奖励、转换守卫以及诊断信息。我们的系统 Kuafu 由大型视觉语言系统驱动，可从语言和场景语义中自动合成 SUN 程序，通过 MPC 筛选可行性，并在训练阶段条件策略时保留语义。在九个任务上，Kuafu 取得了 82.03% 的宏平均成功率，优于稀疏奖励（35.67%）和 Stage-BC（24.75%）基线。在 8192 路规模下，它每小时生成的成功轨迹时长是人工遥操作的 10.57 倍。每个任务使用 500 条轨迹时，Kuafu 数据可训练 DP3 策略在仿真中达到 46.0% 的成功率（而其他方法为 22.4%），并在物理 Franka 和 Kinova 机器人上达到 34.7%。这些结果表明，经过仿真筛选的任务语义能够在无需演示或人工稠密奖励的情况下，有效地将控制摊销为稳健策略，从而统一符号规划与数据驱动执行。