SCOPE：开放式环境中规划的自演化符号世界

最近的工作探索了将视觉语言模型（VLM）与经典规划器相结合，依靠规划问题的符号表示来为复杂的具体任务生成长期计划。然而，在开放式环境中，这些从感知中获得的符号表示通常是不完整的，导致性能不佳。为了解决这个问题，我们引入了 SCOPE，一个自适应符号规划框架，支持完善行动计划和发展符号世界，即开放环境的符号表示。 SCOPE由两个协同模块组成：符号执行模拟器（SESim），用于对行动计划进行符号验证和实际执行，利用反馈来完善计划并发展符号世界；自适应符号记忆（SASMem）进一步将反馈提炼成不断发展的符号知识，以增强符号世界的长期规划和建模。开放环境中的实验表明，SCOPE显着提高了符号世界的完整性、环境扰动下计划的成功率以及跨任务基础和跨不同具体场景的适应性。