arXiv · cs.AI· Elias Hofele·· 15 小时前AI 评分34
TrySee：模块化感知增强的 VLM 闭环机器人任务规划方法
TrySee: Modular Perception-Enhanced VLM Grounding for Closed-Loop Robot Task Planning in Specialized Domains
来源与原文
arXiv · cs.AI
作者：Elias Hofele
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35687v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 TrySee，一个将通用 VLM 推理与领域专用感知及机器人组件结合的模块化闭环机器人任务规划管线。系统采用反应式循环规划、领域模块化视觉预处理和动态预处理选择机制，无需 VLM 微调或端到端演示，可通过可替换感知模块与运动规划进行适配。该方法在 5 个差异显著的领域（含真实机器人拆解任务）上完成评估，并在 brownfield 环境实地验证了在领域训练数据有限情况下集成 VLM 规划的可行性。
来源：arXiv · cs.AI · arxiv.org