网易首页 > 网易号 > 正文 申请入驻

破局机器人长任务难题!港中深联合A* STAR等团队提出LOGIV,以Gragh Engineering迈向可靠具身智能

0
分享至



在机器人操作研究中,视觉语言动作模型(Vision-Language-Action,VLA)与世界动作模型(World Action Model,WAM)为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同,决定成败的就不只是眼前这个动作能否完成,还包括此前建立的条件能否一直支撑后续执行。

一个动作明明已经成功,为什么整项任务还是会在下一步失败?机器人真正缺少的,究竟是更强的动作模型,还是组织这些动作的系统?

围绕这一问题,香港中文大学(深圳)联合新加坡 A*STAR、清华大学等机构的研究团队提出 LOGIV,将 Graph Engineering 引入 Agentic Robot 的执行架构。它在已有 VLA 与 WAM 策略之上构建显式任务图,把动作之间的条件依赖和资源顺序转化为可以检查、追踪与修复的执行依据。

LOGIV 将系统的关注点从某个动作是否完成,推进到后续计划是否仍然成立。通过图依赖验证与因果局部修复,机器人可以在发现条件失效后恢复必要支撑,保留仍可使用的计划,再继续向目标推进。无需为这一层增加新的可训练组件,任务图就能真正参与机器人的执行决策。





  • 论文名称:LOGIV: Graph-Verified Execution with Causal Local Repair for Long-Horizon Robot Tasks
  • 论文全文:https://arxiv.org/abs/2610.40016
  • 项目主页:https://enqiao-lu.github.io/logiv-project/
  • 代码与演示:https://github.com/Enqiao-Lu/LOGIV

破局长程执行,从动作到依赖

让机器人搭一座积木桥,听起来并不复杂:摆好两侧支撑,拿起横梁,再把横梁放上去。但如果机器人拿起横梁时,不小心碰歪了刚才摆好的支撑呢?

抓取动作成功了,前面的摆放动作也确实完成过,可接下来那一步,已经没有了成立的条件。继续照着计划走,机器人很可能把横梁放在一个已经不存在的支点上。这正是长程物理交互中的一个隐蔽问题。动作完成是一段历史,动作产生的条件却可能随时失效。如果系统只记录任务进度,而不检查这些条件是否仍然成立,过去的成功就可能掩盖当前的风险。

如果把长任务写成一张待办清单,机器人知道的是先做什么、后做什么。如果把它组织成一张任务图,机器人还能追问,下一步到底依赖什么,哪个条件一旦失效,后面的哪些动作就不能继续?LOGIV 据此将 Graph Engineering 落到执行层,把任务组织成包含两类依赖的有向无环图。

  • 任务节点:对应抓取、放置等高层子任务,也包括任务的起点和最终目标。
  • 条件支撑边:记录哪个动作建立了后续动作需要的条件,例如支撑块到位之后才能安装横梁。
  • 资源顺序边:记录机械臂、夹爪等资源的使用顺序,以及动作之间已建模的冲突。

这张图既连接规划与动作,也为失败恢复提供依据。支撑块移位后,系统可以沿着失效的条件支撑关系追踪后续影响,而不必把整个任务都当成失败。



图 1:支撑块被碰歪后,LOGIV 恢复失效的支撑条件,并保留仍可使用的后续横梁操作。图源为论文 Fig. 1。

连接 VLA 与 WAM,搭起执行闭环

如果 Graph Engineering 负责组织长任务,底层动作又由谁来完成?LOGIV 给出了清晰的分工。上层根据当前状态和任务依赖选择子任务,将高层动作转成自然语言指令。底层策略结合指令与视觉观测执行操作,再由上层检查动作效果和剩余计划所需的条件。一次动作的结束,会成为下一轮判断的起点。

论文分别搭配三种执行模型,检验这一架构能否跨越不同策略路线。

  • π0.5 作为 VLA 执行模型,将视觉观测与任务指令映射为机器人动作。
  • AHA-WAM 与 Light-WAM 作为两种 WAM 执行模型,在各自的策略架构下完成上层指定的操作。

如图 2 所示,LOGIV 在 VLA 与 WAM 之上构建独立的任务组织与恢复层,使不同执行策略能够接入统一的规划、验证与修复闭环,无需将它们重新训练成一个大模型,也不为框架额外引入可训练组件。该架构已在经过任务微调的 π0.5、AHA-WAM 和 Light-WAM 上得到验证,其依赖检查与局部修复机制可以跨策略复用,接入新任务时则需匹配相应的任务模型、感知信息与执行接口。



图 2:LOGIV 位于底层 VLA 或 WAM 策略之上,在动作执行前后检查状态、节点和图依赖,确认失败后进入修复流程。图中的人工协助属于未来评估方向,论文报告的实验未启用人工协助。图源为论文 Fig. 3。

在具体实现上,LOGIV 将图 2 所示的架构落实为任务图构建、在线验证与局部修复三个相互衔接的环节。

1. 任务图构建:将动作序列编译为依赖图

系统首先使用预定义的 PDDL 任务模型描述动作前提、预期效果与可用对象,由 Fast Downward 生成动作序列,再交给独立验证工具 VAL 检查动作参数、前置条件和最终目标,只有通过验证的计划才会被编译成任务图,明确后续动作依赖哪些条件,以及这些条件由哪些动作提供。

2. 在线验证:持续检查动作与支撑条件

进入执行阶段,LOGIV 通过 State Gate、Node Gate 和 Graph Gate 将现场观测与任务图联系起来,其中 State Gate 结合视觉观测、机器人状态和执行器反馈确认当前任务事实,Node Gate 在动作执行前后分别检查前置条件与预期效果,Graph Gate 则进一步核查任务依赖,判断已经完成的动作是否仍为剩余计划提供有效支撑。三者共同构成动作执行前后的验证流程,使系统既能判断当前操作是否成功,也能发现影响后续任务的条件变化。

例如,机器人即使成功抓起横梁,只要此前摆好的支撑块发生移位,Graph Gate 仍会识别出后续安装所需的条件已经失效,并触发修复,而不会仅凭当前动作的成功记录继续执行。对于视觉证据不足、暂时无法确认的状态,系统会通过重新观察或调整视角补充信息,若在观测预算内仍无法确定,就停止执行,避免把不确定的状态误当作满足条件。

3. 局部修复:恢复必要条件,保留有效计划

当确认失败的时候,LOGIV 沿任务图追踪受影响的依赖,并将受到影响的动作与确实需要替换的动作区分开来,尽量保留仍可使用的未完成计划。以搭桥为例,支撑块移位并不意味着安装横梁这一后续步骤本身有问题,因此系统可以保留相关操作,从最终目标出发,沿保留动作的逆序推导恢复执行前必须满足的条件,再根据当前状态生成相应的修复片段。

生成修复片段后,LOGIV 会将其与保留计划合并,通过 VAL 检查完整的后续计划能否在符号模型下达到最终目标,而不是仅确认眼前的失效条件是否得到恢复。如果验证未通过,系统会根据失败位置在当前范围内重新规划,或扩大需要替换的动作范围,待验证通过后再重建任务图并恢复执行,从而把局部问题的处理与完整任务的推进连接起来。

实验结果,多种底层策略都能受益

研究团队在 RoboTwin V2 和 BiCoord 中各选取 10 个双臂任务,共计 20 个任务。每个任务使用 10 个预定义初始状态,并分别评估无人工注入扰动与预定义扰动两种设置。



图 3:不同底层策略与在线纠正方法的实验结果。C 表示无人工注入扰动下的完整任务成功率,P 表示预定义扰动下的完整任务成功率,R 表示有效可恢复事件中的失效条件恢复率,单位均为百分比。图源为论文 Table I。

1. 有无扰动均受益,成功率最高提升 28 个百分点

如图 3 的 C 列所示,在未人工注入扰动的设置中,三种底层策略接入 LOGIV 后,两个基准上的完整任务成功率均有提升。三个模型的平均成功率在 RoboTwin V2 上从 71.67% 提升至 82.33%,在 BiCoord 上从 42.33% 提升至 57.67%,按未取整均值计算,分别增加 10.67 个百分点和 15.33 个百分点。这说明 LOGIV 的作用并不限于应对外部干扰,正常执行中的状态偏差与动作失误,同样可以通过图验证与在线修复得到处理,从而提高完整任务的完成率。

当环境真的偏离计划,LOGIV 能否帮助机器人继续完成任务?研究团队为每个任务固定扰动类型与触发条件,在预定义事件发生时注入可恢复扰动,结果见图 3 的 P 列,其中 π0.5 在 RoboTwin V2 上的成功率从 32% 提升到 60%,增加了 28 个百分点。与 VeriGraph-PDDL、LERa-PDDL 和 VLM-RP-BT 三个适配后的恢复基线相比,LOGIV 在两套基准与三种底层策略的全部组合中,都取得了更高的扰动任务完成率和失效条件恢复率。图 3 的 R 列衡量有效可恢复事件中,失效条件在预算内得到恢复的比例,与 P 列的完整任务成功率分别统计,从局部条件能否修复和最终目标能否完成两个层面检验恢复机制。

2. 图检查与局部修复,各有贡献

这些提升只是来自多做几次检查,还是图结构确实发挥了作用?研究团队进一步拆解了框架中的关键环节。在 RoboTwin V2 的 π0.5 设置下,去掉 Graph Gate 后,扰动任务成功率从 60% 降到 48%。这说明只盯住眼前动作,会漏掉影响后续执行的依赖失效。把局部修复换成对全部剩余动作重新规划后,平均重复执行的有效已完成动作,从 0.2 次增加到 1.6 次,扰动任务成功率则降到 54%。

重做得更多,不一定完成得更好。这组结果支持了 LOGIV 的设计选择,先弄清后续任务依赖什么,再决定应该修哪里。



图 4:图依赖检查、局部修复与计划验证的消融结果。Full 为完整框架,-Graph 表示移除图检查,-Local 表示改为重新规划全部剩余动作。图源为论文 Fig. 5。

走向真机,让执行闭环经受物理检验

研究团队还在 Astribot S1 双臂机器人和由两台 AgileX Piper 机械臂组成的平台上,测试了番茄抓取、双臂搭积木和网线插接等任务,证明 LOGIV 不仅在仿真中有效,在落地的场景下也可以展现出比较好的效果。

先看一段双臂搭积木的真实任务演示。



视频链接:https://mp.weixin.qq.com/s/QtNtKt_vlgVs9GoNSgU_sQ

视频:Astribot S1 双臂搭积木。

搭积木与前面的搭桥例子有相同的难点。后续伸手动作可能碰歪已经摆好的积木,导致接下来需要的支撑条件失效。LOGIV 检查到这类变化后,会修复相应条件,并保留仍然有效的工作。



图 5:真实机器人任务的成功次数对比。每个任务、每种配置进行 10 次试验,合计每种配置 30 次,未人工注入扰动。数据来自论文 Table II。

整体成功率从 40.0% 提升到 56.7%,三个任务均观察到改善。从空抓与提前松手,到积木支撑条件被破坏,真实执行中的偏差也为这套图验证与修复机制提供了检验场景。

结语,机器人需要怎样的执行系统?

由于 VLA 和 WAM 的动作能力不断地被提高,Agentic Robot 的研究有一个无法避开的问题亟待回答,怎么让这些能力在不断变化的环境里,组成一项能够继续推进的完整任务?LOGIV 将 Graph Engineering 从任务表示推进到在线执行。LOGIV 用任务图记录每一步需要哪些条件,并在执行时检查这些条件是否还成立。发现问题后,系统会找出需要修复的地方,保留还能继续用的计划,修复后再接着做。这样可以减少不必要的重做,帮助机器人用现有的动作模型,更可靠地完成长任务。

机器人需要更会做动作的模型,也需要能在变化中把事情接着做完的系统。LOGIV 正在把后一个问题,变成可以构建、验证和评估的图工程。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
长津湖战役中,美军发现一整连志愿军官兵冻死在阵地上。电影里表现是美军敬礼,但据当年一名16岁幸存者回忆,美军并没敬礼,而是挨个补枪

长津湖战役中,美军发现一整连志愿军官兵冻死在阵地上。电影里表现是美军敬礼,但据当年一名16岁幸存者回忆,美军并没敬礼,而是挨个补枪

人生录
2026-11-21 00:05:14
在深圳坐车不拉窗帘看什么?特朗普回白宫自曝:路面修补的痕迹都没看到

在深圳坐车不拉窗帘看什么?特朗普回白宫自曝:路面修补的痕迹都没看到

快科技
2026-11-21 18:44:08
人老了真的没什么意思,我爸今年72岁,独自在家每天就做这五件事

人老了真的没什么意思,我爸今年72岁,独自在家每天就做这五件事

九哥哥车评
2026-11-21 09:38:35
辛鲍姆总统为什么坐民航客机来华,原因很简单,不是因为她接地气,而是因为墨西哥没有总统专机,总统专机已经卖给塔吉克斯坦。

辛鲍姆总统为什么坐民航客机来华,原因很简单,不是因为她接地气,而是因为墨西哥没有总统专机,总统专机已经卖给塔吉克斯坦。

回京历史梦
2026-11-21 09:30:43
苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

品读时刻
2026-11-21 09:09:02
红果短剧全面下架,彻底失控了

红果短剧全面下架,彻底失控了

李东阳朋友圈
2026-11-20 10:00:35
高市早苗飞离中国,中方铺红毯、礼仗队送别,日本认为“中方失礼”,根本站不住脚

高市早苗飞离中国,中方铺红毯、礼仗队送别,日本认为“中方失礼”,根本站不住脚

蓝星杂谈
2026-11-20 13:04:01
178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

江山挥笔
2026-11-21 11:30:34
后悔不?租金从800万涨到2400万逼走胖东来,空楼跌到400万没人接

后悔不?租金从800万涨到2400万逼走胖东来,空楼跌到400万没人接

草莓信箱
2026-11-20 17:12:20
特朗普APEC期间下榻深圳东海朗廷酒店,内部房间曝光

特朗普APEC期间下榻深圳东海朗廷酒店,内部房间曝光

极目新闻
2026-11-20 18:45:32
7亿!加索尔正式联手科比遗孀!瓦妮莎想开了,官宣决定

7亿!加索尔正式联手科比遗孀!瓦妮莎想开了,官宣决定

喜欢体育的猫
2026-11-21 10:36:48
发布会上说“开车是可以睡觉的,别睡死过去就行了”,余承东纠正:讲的不准确,现在还是L2时代,大家一定要注意安全,开车不能睡觉

发布会上说“开车是可以睡觉的,别睡死过去就行了”,余承东纠正:讲的不准确,现在还是L2时代,大家一定要注意安全,开车不能睡觉

蓬勃新闻
2026-11-20 21:56:53
局势失控!英伟达内部对立加剧,10名董事+60名高管收到同一封“逼宫信”:看不到黄仁勋回归,便选择离场

局势失控!英伟达内部对立加剧,10名董事+60名高管收到同一封“逼宫信”:看不到黄仁勋回归,便选择离场

秋风妃
2026-11-21 14:13:31
高市制造了“舷梯门”

高市制造了“舷梯门”

天真无牙
2026-11-21 14:52:51
普林斯顿博士生被拘事件​​​曝更多内幕:14岁移居纽约,全家申请政治庇护

普林斯顿博士生被拘事件​​​曝更多内幕:14岁移居纽约,全家申请政治庇护

小徐讲八卦
2026-11-21 10:28:27
全球最高C罗雕像坐落上海!C罗哥哥为雕像揭幕:高7米 做SIU动作

全球最高C罗雕像坐落上海!C罗哥哥为雕像揭幕:高7米 做SIU动作

风过乡
2026-11-21 17:09:02
高市早苗在APEC会议期间就有关台湾问题表态,钧正平:若日方如表态所言恪守《中日联合声明》,就该拿出实实在在的诚意,公开收回错误言论

高市早苗在APEC会议期间就有关台湾问题表态,钧正平:若日方如表态所言恪守《中日联合声明》,就该拿出实实在在的诚意,公开收回错误言论

都市快报橙柿互动
2026-11-21 09:26:12
75岁张纪中的妻子回应会不会改嫁,称“我老公再活30年,我75岁了,嫁给谁呀”

75岁张纪中的妻子回应会不会改嫁,称“我老公再活30年,我75岁了,嫁给谁呀”

韩小娱
2026-11-20 16:45:15
没想到,APEC峰会结束仅1天,中国竟因三个“特产”在全球火出圈

没想到,APEC峰会结束仅1天,中国竟因三个“特产”在全球火出圈

云上乌托邦
2026-11-21 00:20:04
不匹配的高度,配得上谁?

不匹配的高度,配得上谁?

薇微笑语
2026-11-20 16:13:00
2026-11-21 20:24:49
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14525文章数 142761关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

李亚鹏谈嫣然天使基金募款:大家每个月捐1块就可以了

头条要闻

李亚鹏谈嫣然天使基金募款:大家每个月捐1块就可以了

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

艺术
本地
时尚
教育
公开课

艺术要闻

苍井空官宣复出,最新作品画面流出,网友:恶心!

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

今年冬天流行“大+小”穿法,时髦又显瘦!

教育要闻

这才是数学的真谛,满脑子的椭圆焦点

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版