CLASP：使用任务参数化学习的语言驱动机器人技能选择和组合

让机器人能够理解并执行自然语言命令的任务，同时保持数据效率仍然具有挑战性。视觉-语言-动作（VLA）和视觉-语言模型（VLM）等基础模型提供直观的交互渠道，但需要大量数据；任务参数化模仿学习实现了数据效率，但缺乏自然语言基础。这项工作通过将任务参数化内核化运动原语 (TP-KMP) 与预训练的 VLM 相结合的模块化架构弥补了这一差距。在学习过程中，通过 2 到 5 次动觉演示获得技能，VLM 生成描述每个技能参数和先决条件的技能模式。在执行过程中，VLM 解释命令以选择技能、推理参数绑定并通过协方差加权组合创建新颖的行为。当技能或组合不足时，系统会识别能力差距并请求有针对性的演示，所有这些都无需 微调。 7-DoF 机械臂上的验证显示，在需要技能选择、组合和主动学习的场景中，成功率为 73.3%-100%。