AquaCap：一种无需训练、以代码为策略的水下实体代理

视觉-语言-动作模型的最新进展激发了人们对水下具身智能日益增长的兴趣。然而，它们对大规模交互数据的依赖限制了它们在水下的适用性，因为水下数据收集成本高昂且稀缺。为了应对这一挑战，我们推出了 AquaCap，这是一种无需训练的代码即策略框架，用于自主水下导航和操纵。 AquaCap 采用双层代理，将任务指令和环境观察转化为条件感知计划和可执行控制程序。然后，结构化感知为代理在退化的水下条件下提供语义、几何和可靠性感知的观察结果。故障感知内存可诊断不成功的操作并支持闭环重新规划和代码修订。这种设计无需特定任务的训练或参数更新即可实现在线适应。 AquaCap 的模拟成功率达到 66.43%。现实世界的实验进一步证明了 ROV 的自主抓取和物体运输，包括操纵因水动力扰动而移位的目标。