过程相比,TAMP 框架具有可微分、可解释、可扩展和持续学习的能力,机器 来实现,因此,能够高效完成非结构化、动态场景中的拆解任务和运动规划,支 持自主、敏捷、稳健拆解。 2.3基于神经符号AI的机器人具身智能控制架构 态映射到符号状态,自主选择并执行动作原语,自主完成拆解任务,形成一个拆 解任务的推理决策与机器人运动感知控制紧密结合的机器人拆解闭环控制系统, 支持动态、非结构化拆解环境下的机器人实时拆解任务与运动规划。 事先,我们需要将多模态的感知信息通过神经符号的方式抽象为神经谓词; 模仿人类的拆解动作,定义一系列独立的动作原语; 机器人工作时,首先感知当前环境及目标状态,通过神经谓词生成动作原语 序列并驱动机械臂执行; 在执行过程中,机器人持续检查当前状态,如果与预期不一致将重新规划新