META-Robot联合扩展技能、动作谓词和观察验证机制

基于 LLM 的机器人代理系统可以生成用于机器人控制的程序，但它们对新任务的泛化通常取决于复杂的脚手架。仅扩充技能库，对如何评估新能力或识别仍超出自身能力范围的任务帮助有限。我们引入 META-Robot，这是一个框架，通过扩展代理评估和发展其技能的标准，将自我认知与能力扩展相结合。其核心是，动作级谓词使执行结果变得明确并可用于 LLM 推理。代理使用这些评估来识别自身的局限性，扩展相关的评估标准，并指导其技能的结构化扩展。本体感觉反馈进一步将这一过程建立在机器人的物理状态上，丰富了自我认知的证据。仿真和真实机器人实验表明，该方法能提升总体任务表现、增强新任务泛化能力，持续扩展技能和评估标准，并有效利用非视觉的本体感觉信号。