TGPO：通过可验证子目标生成实现机器人任务规划的轨迹引导策略优化

针对大语言模型在机器人任务规划中难以生成可靠可行方案的问题，研究者提出轨迹引导策略优化（TGPO），将任务规划建模为生成 PDDL 可验证子目标的强化学习框架，通过验证器奖励、中间推理轨迹外部纠正和约束策略更新应对稀疏噪声监督。在大规模长时程、抽象指令和复杂约束的家庭规划任务上，TGPO 显著优于提示词和强化学习基线，抽象任务提升最大，并能与符号规划器和语言条件执行器集成。