从语言到运动：微型机器人的任务条件焦点堆栈轨迹集成

尽管语言、部件和焦点发生了变化，微型机器人仍需要精确的任务几何形状。我们提出了一个语义到物理的框架，它将指令映射到受约束的几何算子，重用冻结的开放词汇感知，并通过置信权重和动态编程集成局部可靠的焦平面轨迹。校准的多视图几何结构将二维路径连接到物理执行。即时、看不见的部分和几何重新配置​​测试产生 6.30-6.59 像素 RMSE。相对于具有 20-100 个标签的特定部分 U-Net 训练，所提出的零新标签配置需要 15 分钟，而不是 72-165 分钟。与图像优先多焦点融合相比，在九种部分照明条件下，轨迹空间集成将 RMSE 从 14.41 像素降低到 6.28 像素 (56.4%)，将 P95 误差从 20.07 像素降低到 8.13 像素 (59.5%)。消融隔离了信心和路径明智选择的作用。在代表性的机器人实验中，目标区域覆盖率从 83.5% 提高到 92.9%。分配提供了可测量的物理痕迹，而不是特定于任务的限制 方法。