AtomTree分层框架实现状态感知具身指令跟随
原文：AtomTree: A Hierarchical Framework for State-Aware Embodied Instruction Following with LLMs
交互环境中的具身指令跟随要求智能体理解自然语言指令并完成长时程任务。现有规划器要么依赖大规模标注轨迹，要么使用少样本与零样本LLM提示，在单一串行推理过程中生成完整计划。这些方法依赖语言常识，从初始指令即锁定计划，且仅在失败后才更新，从而削弱了鲁棒性与状态感知能力。我们提出AtomTree，一个基于LLM的状态感知任务规划分层框架。AtomTree增量构建子目标与动作树，LLM在每一步根据当前符号状态决定是进一步分解还是输出接地的底层动作。一个轻量记忆模块总结过往结果，以便在后续决策中复用。当底层动作停滞时，AtomTree触发分层回溯重规划，返回父节点并从最新状态重新生成子树计划，防止沿错误轨迹继续漂移。在ALFRED基准上的零样本评估中，AtomTree优于先前的基于LLM的规划器。项目页面：https://zhaihaotian.github.io/atomtree-website/。作者：Haotian Zhai、Tianming Sha、Junnan Li。类别：cs.RO、cs.AI、cs.CL。