用于广义任务与运动规划问题的编码代理

即使具备完全可观测性和以对象为中心的状态，任务与运动规划（TAMP）问题仍然很难解决，因为离散决策与几何、运动学和动力学约束紧密耦合。广义TAMP通过利用不同问题实例之间的规律，降低在新实例上的规划成本，从而应对这一难题。然而，现有方法需要大量针对TAMP的工程设计。我们研究编码代理能否通过合成可在不同实例间泛化的程序来自动化这一过程。给定任务描述和模拟器访问权限，每个代理在固定的合成预算内开发程序，同时自行决定如何与环境交互。随后，程序被固定下来，并在未见过的实例上进行评估。我们在来自KinDER和PDDLStream的28个模拟环境中评估了Claude Code（Opus 5）和Codex（GPT-5.6 Sol和GPT-6 Astra），其中对象数量超过了原始基准测试中评估的数量。在所有程序合成方法中，我们对980个生成的程序分别在100个留出实例上进行评估，总计进行了98,000次评估回合。总体而言，我们发现编码代理在广义TAMP中表现出令人意外的有效性：在可用规划器的16个环境中，三种代理配置的平均成功率均超过了人工工程化规划器、一次性生成方法和基于LLM的广义规划基线，成功率为56%至95%，而规划器为47%。随着对象数量增加，代理生成的程序仍能保持高于规划器的成功率，同时平均每个实例所需的计算量减少了一个数量级。日志显示，代理通过交互来校准物理模型、测试边界情况并改进策略。我们公开了全部代码，包括提供给代理的完整提示词。这些发现表明，编码代理是广义TAMP的一个强有力基线。