清华与NUS提出ParallelWorld具身规划方法

清华大学与新加坡国立大学研究者提出 ParallelWorld，让具身智能体在高层规划中先探索多条候选行动路径、比较未来观察与任务进展，再决定当前动作。论文称任务成功率从 56% 提升至 83%，在 LIBERO-Pro 八种设置上均超过直接基线，其中 Spatial 位置交换设置提升 27 个百分点。 评测排除了因环境无法执行倒液体动作的液体体积子类别，对其余 28 项进行测试；每种设置含 10 个任务、每任务 10 个随机种子，共 800 个回合。 代价是耗时：自适应搜索的平均总耗时约为直接执行的 5.8 倍。相关消融仅覆盖 3 个任务，尚不足以建立普遍的计算量与性能增长规律。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。