AtomTree：一种基于 LLMs 的具备状态感知能力的具身指令跟随分层框架
AtomTree: A Hierarchical Framework for State-Aware Embodied Instruction Following with LLMs
精选理由
提出具备状态感知与回溯能力的分层规划框架，提升具身智能长程任务执行的鲁棒性。
AI 摘要
交互式环境中的具身指令跟随要求智能体理解自然语言指令并完成长时程任务。现有规划器要么依赖大量带标注的轨迹，要么使用少样本和零样本 LLM 提示，在单一的串行推理过程中一次性生成完整计划。这些方法依赖语言常识，从初始指令出发确定计划，并且只有在失败后才进行更新，因而削弱了鲁棒性和状态感知能力。我们提出了 AtomTree，一种基于 LLMs 的具备状态感知能力的任务规划分层框架。AtomTree 增量式地构建由子目标和动作组成的树，其中 LLM 在每一步根据当前符号状态决定是进一步分解，还是输出一个有具体环境依据的底层动作。一个轻量级记忆模块会总结过去的结果，以便在后续决策中复用。当底层动作陷入停滞时，AtomTree 会触发分层回溯式重新规划，返回父节点，并根据最新状态重新生成子树计划，从而避免沿着错误轨迹持续偏离。在 ALFRED 基准上的零样本评估中，AtomTree 的表现优于此前基于 LLM 的规划器。项目主页：https://zhaihaotian.github.io/atomtree-website/。