论文页面 - 智能体即机器人操作策略

来源：https://huggingface.co/papers/2609.12541

摘要

通过解读视觉信息、编写可执行程序并基于物理反馈在多样化操作任务中修正行动，一个通用智能体能够直接控制实体机器人。

我们证明，无需任何针对特定任务或环境的训练，通用智能体便可在整个任务执行过程中直接驱动实体机器人。我们提出智能体即策略（Agent as Policy (https://huggingface.co/papers?q=Agent%20as%20Policy)）（AGP），将任务规划与执行置于智能体的控制之下。给定任务和机器人接口，智能体解读视觉证据，编写可执行程序（https://huggingface.co/papers?q=executable%20programs），发出运动指令（https://huggingface.co/papers?q=motion%20commands），并根据物理结果（https://huggingface.co/papers?q=physical%20outcomes）修正其动作。这使智能体的推理和编程能力与物理世界实现持续交互。我们在多个真实世界操作（https://huggingface.co/papers?q=real-world%20manipulation）任务中研究了AGP，这些任务涵盖精密操作（https://huggingface.co/papers?q=precision%20manipulation）、动态运动和可变形物体（https://huggingface.co/papers?q=deformable%20objects）。具体任务包括根据人类视频进行装配、根据目标图像构建积木、骰子重定向、定向投掷以及双臂毛巾折叠（https://huggingface.co/papers?q=bimanual%20towel%20folding）。AGP在三种积木构建配置中分别达到了100%、100%和80%的成功率。这些发现为通用智能体作为机器人策略（https://huggingface.co/papers?q=robotic%20policies）开辟了道路，通过运行时推理（https://huggingface.co/papers?q=runtime%20reasoning）、编程与交互，将其自主能力扩展到物理操作领域。

查看arXiv页面 (https://arxiv.org/abs/2609.12541)查看PDF (https://arxiv.org/pdf/2609.12541)项目页面 (https://agent-as-policy-2026.github.io/)添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.12541)

在您的智能体中获取此论文：

hf papers read 2609.12541

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文

在模型README.md中引用 arxiv.org/abs/2609.12541 以从本页面链接。

引用此论文的数据集1

Agent-as-Policy/agent-as-Policy Viewer• 约1小时前更新 • 162 • 4 • 2 (https://huggingface.co/datasets/Agent-as-Policy/agent-as-policy)

引用此论文的空间0

无空间链接此论文

在空间README.md中引用 arxiv.org/abs/2609.12541 以从本页面链接。

包含此论文的收藏1