GAVEL：利用图世界模型验证并提升大语言模型长期任务规划效率
GAVEL是一种用于验证和修复大语言模型生成的长期机器人规划的框架。其显式图世界模型表示物体关系、动作的前置条件与效果，以及对未观测物体位置的概率信念。系统因此能够在执行前预测动作后果、检测约束违规，并直接修复可根据世界模型确定解决方案的错误。只有需要语义推理的错误才交由大语言模型重新规划。在BEHAVIOR-1K评测中，使用Qwen3-8B时，GAVEL将100个单一长期任务的成功率从41.2%提升至91.8%，并将500条多任务指令的成功率从19.9%提升至92.6%。与静态版本相比，基于分布的信念推理还将移动距离减少了约5.4%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。