CIRRA：在机器人执行过程中持续协调新指令

家用机器人在执行正在进行的任务时必须适应新的用户指令。现有Agent经常重新生成或广泛修改剩余的任务序列，从而引入计划模糊性、逻辑不一致和冗余执行。我们制定了持续指令协调并提出了 CIRRA（机器人Agent持续指令协调），这是一个将基于 LLM 的语义推理与规则约束结构集成相结合的双层框架。 CIRRA 首先将传入的指令基于独特的可执行技能，并解决未指定的操作和执行位置。然后，它保留正在进行的子任务序列作为执行主干，并通过将传入的子任务插入到位置匹配的段中来生成集成候选者。语义推理器仅评估修改后的片段，以识别依赖性和冲突，并选择逻辑上最连贯的局部集成。这种结构保留过程与正在进行的执行保持一致，减少歧义和不一致，并重用共享子任务以减少冗余执行。我们还推出了 CHIRP（持续家庭指导协调和规划），这是一个基于文本的基准，包含 120 个片段，涵盖八个家庭环境和六类日常活动。在 CHIRP 上，CIRRA 达成了 74.2% 的决策一致性，超出了最强的重新规划基线 30 个百分点；每一个正确的融合决策都会产生一个正确放置、无冲突的时间表。在 Unitree G1 人形机器人上，CIRRA 在每次试验的正确时刻中断正在进行的技能，并且在每个指标上都显着优于所有基线。