CLARO：用 VLM 智能体在杂乱场景中完成开放词汇抓取

CLARO 是一个 VLM 智能体，调度开放词汇目标检测、分割、6-DoF 抓取和非抓取推挤等技能，在杂乱环境中定位并取出语言指定的目标。它记录历史动作以支持长程执行，并输出抓取位姿或 3D 路点，从而无需任务特定训练即可迁移到不同机械臂。在动态仿真环境中，CLARO 平均成功率为 89.1%，在高杂乱场景中相对最强对比方法提升超过 16%；在真实机械臂上成功率为 88.8%。