TGPO：轨迹引导策略优化用于机器人任务规划

2026年10月15日，arXiv Robotics 刊出由 Zhihong Liu 等作者提交的论文，提出轨迹引导策略优化（TGPO）框架，用于机器人任务规划。该工作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、监督稀疏且含噪的问题，将任务规划建模为生成 PDDL 可验证子目标的强化学习框架，通过三项机制改进结构化子目标生成：基于验证器的奖励、对中间推理轨迹的外部纠正，以及将纠正后轨迹纳入训练的约束策略更新。报道称，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，其中抽象任务提升最大，并可与符号规划器和语言条件执行器集成。目前事件进展为论文发布及方法介绍，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。