SPARK：分离符号计划与执行时感知接地

2026年10月20日，arXiv Robotics 刊出 Bryce Grant 等作者的 SPARK 机器人操作规划方法报道。该方法将任务的符号化行为树计划与执行时的 3D 感知锚定分离，在执行过程中重新锚定物体引用，从而在物体移动时保留原计划。报道称，执行中物体位移 10 cm 时，启用验证与自适应可维持 66.7% 任务成功率，关闭时仅 2.2%；无需任务专用模型训练、使用开放权重规划器，SPARK 在六个 LIBERO-PRO 设置上平均成功率达 66.8%，在三个机器人平台的十一个物理任务-具身设置上达 68%。上述成功率与对比数据均出自该报道，为其所述实验结果。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。