CRAFT-E：可解释可编辑的神经符号可供性取物框架

Zhou Chen 等作者提出并部署了 CRAFT-E 神经符号框架，用于可供性取物：它把大语言模型导出的动词-属性-对象知识图谱、CLIP 视觉对齐和基于能量的抓取推理组合起来，并支持不重新训练模型、直接对图谱做定向编辑。作者同时构建了统一标注动词-对象兼容性、分割和抓取候选的基准数据集，并在实体机器人上部署了完整流程。 作者称，在静态场景、涉及 20 个动词和 39 个物体的真实试验、基于 ImageNet 的功能检索以及 COCO-Tasks 迁移中，CRAFT-E 提供了一个有竞争力的免训练先验，用于可供性 grounding 检索，并能给出组件级诊断和图级干预。这些效果均为作者自述，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。