从反应到预期：通过机器人操作的代理任务图进行主动故障恢复

尽管机器人操作已经取得了重大进展，但可靠的执行仍然具有挑战性，因为在动态和非结构化环境中任务失败是不可避免的。为了处理此类故障，现有框架通常遵循逐步检测-原因-恢复管道，由于延迟推理和反应性规划，这通常会导致高延迟和有限的鲁棒性。受到人类预测和主动计划潜在故障的能力的启发，我们引入了 AgentChord，这是一种将操作任务建模为有向任务图的代理系统。在执行之前，该图丰富了预期恢复分支，这些分支指定了上下文感知的纠正行为，从而在发生故障时能够立即做出有针对性的响应。具体来说，AgentChord 通过专门代理的编排进行操作：一个构建标称任务图的作曲家，一个用预期恢复分支增强图的编排器，以及一个使用低延迟监视器编译和协调可执行转换的指挥家，以检测偏差并触发预编译的恢复，而无需重新规划。对多种长视野双手操作任务的实证研究表明，AgentChord 显着提高了成功率和执行效率，提高了现实世界机器人系统的可靠性和自主性。项目页面位于：https://shengxu.net/AgentChord/。