arXiv · cs.AI· Ruixiao Yang, Yilun Hao, Mingxin Yu, Yang Zhang, Chuchu Fan·· 4 小时前
视觉语言模型从单个场景构建可复用视觉规划系统
Write Once, Plan Many: Building Reusable Visual Planning Systems from One Scene
arXiv:2610.19234v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruixiao Yang, Yilun Hao, Mingxin Yu, Yang Zhang, Chuchu Fan
研究任务与主要进展
研究者提出一种无需训练和配对解标签的框架，仅凭域规格与单个练习场景构建可复用的感知和规划程序。框架通过渲染检测状态和检查模拟动作结果提供执行反馈，修正并筛选程序后冻结系统，使新实例无需再次调用VLM；基于论文摘要，在15个2D和3D域变体上平均规划成功率为99.3%，高于域级程序生成基线的80.9%和实例级基线的90.7%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org