APIVOT:用视觉思维解决长程机器人规划的几何困境

方法核心:交错视觉-语言思维

长 horizon 机器人规划常因语义与几何脱节而失败。APIVOT 通过自适应交错语言推理与视觉思维(Visual Thoughts),在内部验证几何可行性。实验显示其在 KitchenWorlds 中成功率显著优于 Gemini-ER-1.5 等基线,且在复杂几何场景下优势更明显。需注意其目前仅在模拟器中验证,且自适应行为基于 SFT 学习。