MIND：指令条件增量维护机器人目标房间判断

Mohamed Abouagour、Junhyun Nam、Wonse Jo、Byung-Cheol Min 在 arXiv 提交论文，提出 MIND（Maintenance via INstruction-conditioned Dependencies）框架，用语言模型解析持久指令中的依赖关系，在环境事件发生后只刷新受影响的目标房间判断，并分别维护可达性与目标选择，避免每次事件后重新评估所有房间。 在 240 条五事件 ProcTHOR 序列上、使用精确基准谓词时，MIND 将平均语义评估次数从 30.6 降至 11.2，同时保留全部 1,200 个事件后决策。在使用 Phi-4 与 Qwen3-14B 冻结评估器的实验中，同样保留全部 1,200 个决策，但未提升评估器本身的任务准确率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。