LOGIV：任务图校验与因果局部修复框架
热点事件历史事件
LOGIV：任务图校验与因果局部修复框架
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
Enqiao Lu 等作者发布论文，提出面向长程机器人任务的框架 LOGIV：用显式任务图连接符号规划、基于观测的校验和具身执行，并在执行中检查条件支撑与资源顺序边的物理有效性，失败后通过依赖追踪确定需要恢复的部分。该框架运行在现有视觉-语言-动作（VLA）和世界动作模型（WAM）策略之上，不增加可训练组件。 作者报告的结果是：在 RoboTwin V2 和 BiCoord 的 20 项双臂任务、三种执行骨干上，无注入扰动时平均任务成功率分别提升 10.67 和 15.33 个百分点；在三项真机任务上，成功试验次数从 12/30 增至 17/30。这些数字为论文作者自述，尚待独立验证。
AI 根据报道生成 · 8 天前更新
最新进展11月2日 13:00
LOGIV：面向长程机器人任务的任务图校验执行与因果局部修复框架报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.ROLOGIV：面向长程机器人任务的任务图校验执行与因果局部修复框架
LOGIV 是一个面向长程机器人任务的任务图框架，把符号规划、基于观测的校验和具身执行连接起来，并在执行中检查条件支撑与资源顺序边的物理有效性，失败后通过依赖追踪确定需要恢复的部分。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 411月4日 01:00
- 近 24 小时变化
- –
01234
02:0004:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。