斯坦福大学助理教授吴佳俊在IROS 2026报告《Building Physical Agents via Structured Representations》，提出用结构化表征作为机器人推理的脚手架。
吴佳俊指出，机器人面对洗盘子任务需先判断盘子脏否、水龙头开否等状态，同一任务不同初始状态答案不同。他表示：“结构化表征不是答案，而是机器人学会推理的脚手架。”
该框架将几何、材质、物体关系等结构化知识接入基础模型，降低了对遥操作演示数据的依赖，为无演示学习提供新路径。
来源：AI科技评论
软盟资讯 news.softunis.com 7×24小时AI快讯