研究问题
语言模型知道“如何清理洒出的液体”,并不意味着给定机器人能执行它描述的动作。SayCan 研究高层语言知识如何与低层可执行技能结合。
方法与图的作用
语言模型提供任务相关的高层动作倾向,预训练技能及其价值函数提供与当前物理环境相连的 grounding。二者共同限制动作选择,论文在移动操作机器人任务上验证这种结合。
这里的关键不是知识图谱,而是动作的可行性。本库可将类似思想表达为状态谓词和前置条件,但“把 affordance 写成图边”只是迁移设想,需要另行检验。
局限与迁移边界
机器人技能价值函数不等于软件工具权限、事务约束或失败原因;不能直接复用机器人结果证明 API 计划图有效。应先在软件环境中检查可观察前置条件是否足够可信。
关联阅读
LLM-Planner:环境 grounding;ScienceWorld:动作后果;ToolSandbox:嵌套工具前置条件。
原始来源与阅读范围
Ahn et al. / arXiv · 2022-04-04。本轮范围:元数据与摘要核验;采集日期:2026-11-16。来源陈述与本库提出的实验设想在正文中分别说明。