清华等提出ParallelWorld测试时预演方法，成功率56%升至83%

清华大学与新加坡国立大学研究者提出面向具身智能体高层规划的测试时预演框架 ParallelWorld，并发布论文。该方法让智能体从当前状态出发探索多条候选动作路径、验证剪枝，执行时只执行选中轨迹的第一个动作后重新规划，将任务成功率从 56% 提升至 83%。 在 LIBERO-Pro 操作评测的八种设置中，该方法均超过直接基线，其中 Spatial 位置交换设置提升 27 个百分点，评测重点考察指令重定向和位置交换两类扰动下的泛化能力。代价是自适应搜索的平均总耗时约为直接执行的 5.8 倍。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。