AtomTree：LLM状态感知分层具身指令跟随框架
热点事件持续更新
AtomTree：LLM状态感知分层具身指令跟随框架
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月30日，Haotian Zhai、Tianming Sha、Junnan Li 在 arXiv 提交论文，提出面向状态感知具身指令跟随任务规划的分层框架 AtomTree。该框架用 LLM 做状态感知任务规划，逐步增量构建子目标与动作树，由 LLM 依据当前符号状态决定继续分解还是输出可执行的低层动作；内置轻量记忆模块总结历史结果供后续决策复用，低层动作停滞时触发分层回溯重规划，从最新状态重新生成子树计划。在 ALFRED 基准的零样本评测中，AtomTree 优于此前的 LLM 规划器。目前进展为论文公开，尚无后续跟进报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
AtomTree：用 LLM 做状态感知具身指令跟随的分层框架报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv Artificial IntelligenceAtomTree：用 LLM 做状态感知具身指令跟随的分层框架
AtomTree 是一个用 LLM 做状态感知任务规划的分层框架，逐步增量构建子目标与动作树，由 LLM 依据当前符号状态决定继续分解还是输出可执行的低层动作。框架内置轻量记忆模块总结历史结果供后续决策复用，低层动作停滞时触发分层回溯重规划，从最新状态重新生成子树计划。在 ALFRED 基准的零样本评测中，AtomTree 优于此前的 LLM 规划器。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。