搜索、地面、计划：不完整场景知识下任务和运动规划的功能充分性

基础模型（FM）已将任务和运动规划（TAMP）扩展到通过语言和视觉观察指定的操纵问题。然而，不完整的场景知识在理解任务需要什么和了解物理场景是否能够真正实现它之间留下了关键的差距。我们引入了 GRAB-TAMP，这是一种基于 FM 的 TAMP 框架，它搜索任务完成所需的场景实体，将功能角色定位到有效的物理对象，并仅在完整的联合分配建立功能充足性后才进行计划。我们通过功能角色、关系和分配约束来表示任务，并在需求未解决的情况下逐步检查场景，通过语义、几何和关系检查来验证候选对象。我们评估了跨越厨房、客厅和车间领域的 32 个场景变体的 GRAB-TAMP。在 200 项可行的试验中，我们的方法实现了 54.0% 的端到端成功率和 67.3% 的计划目标覆盖率。与相同执行设置下的三个基于 FM 的 TAMP 框架相比，GRAB-TAMP 将端到端成功率比平均基线提高了 25.7 个百分点。实现和评估代码：这个https URL