← 机器人智能体 / 程序与空间接口

正式发表 / Robot Agentic

VoxPoser

VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models

CoRL · 2023Oral

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
语言生成三维价值图VoxPoser · 项目页 ↗

语言模型生成代码并结合视觉模型构建三维价值图,再由规划器求解运动轨迹。

  1. 01语言生成代码
  2. 02构建三维价值图
  3. 03规划与闭环执行
VoxPoser语言生成三维价值图
语言生成三维价值图

语言模型生成代码并结合视觉模型构建三维价值图,再由规划器求解运动轨迹。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

用语言和视觉模型生成三维价值图,将任务语义转化为运动规划条件。

WHY READ IT

为什么放在这条路线

CoRL Oral;空间落地的代表路线,与直接动作生成形成互补。

当前阶段程序与空间接口 ↗

高层语言如何变成可执行的约束与接口?

READ WITH A QUESTION

读的时候,留意什么

开放词汇理解仍依赖感知质量与规划器能力,关注系统失败来自哪个模块。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器