编码 agent 用于广义任务与运动规划
来自 arXiv · 期号 2026-09-25
摘要
任务与运动规划（TAMP）在完全可观测、以物体为中心的状态下仍然困难，因为离散决策与几何、运动学、动力学约束紧密耦合。 广义 TAMP 试图利用不同问题实例之间的规律性来减少新实例上的规划开销，但现有方法需要大量 TAMP 专用工程。 这篇论文探索了用编码 agent 自动完成这一过程：给定任务描述和模拟器访问权限，agent 在固定预算内与环境交互并生成程序，程序随后被冻结并在未见过的实例上评估。 在 KinDER 和 PDDLStream 的 28 个模拟环境中（物体数量超过原 benchmark），Claude Code (Opus 5)、Codex (GPT-5.6 Sol 和 GPT-6 Astra) 三种配置均优于手工规划器、一次性生成和基于 LLM 的广义规划基线：在 16 个有规划器可对比的环境中，平均成功率 56%–95%，而规划器为 47%。随着物体数量增加，agent 的程序保持更高成功率，且每个实例的计算量平均少一个数量级。 日志显示 agent 通过交互来校准物理模型、测试边界情况和优化策略。作者已开源全部代码和 prompt。
深读
导读 这篇论文探索了一个反直觉的思路：能否让编码 agent 自己写出能跨实例泛化的规划程序，从而绕过传统任务与运动规划（TAMP）所需的大量手工工程。实验表明，在 28 个模拟环境中，Claude Code 和 Codex 三种配置的平均成功率（56%–95%）均超过了手工规划器（47%），且随物体数量增加优势扩大。如果你关心机器人规划或 LLM agent 在结构化决策问题上的真实能力，这篇工作提供了一个值得关注的 baseline。 关键信息 - 实验覆盖 KinDER 和 PDDLStream 的 28 个模拟环境，物体数量超过原 benchmark 的设置。 - 三种 agent 配置（Claude Code Opus 5、Codex GPT-5.6 Sol 和 GPT-6 Astra）在 16 个有规划器可对比的环境中，平均成功率 56%–95%，而手工规划器为 47%。 - 总共评估了 980 个生成的程序，每个程序在 100 个未见过的实例上测试，合计 98,000 次评估。 - Agent 生成的程序在实例上的平均计算量比规划器低一个数量级。 逐节讲解 问题背景：TAMP 为什么难，广义 TAMP 想解决什么 任务与运动规划（TAMP）即使在完全可观测、以物体为中心的状态下仍然困难，因为离散的任务决策与几何、运动学、动力学约束紧密耦合。广义 TAMP 试图利用不同问题实例之间的规律性来减少新实例上的规划开销，但现有方法需要大量 TAMP 专用的手工工程。 方法：用编码 agent 自动合成泛化程序 论文提出的方案是：给定任务描述和模拟器访问权限，agent 在固定的合成预算内自主决定如何与环境交互，同时开发一个程序。程序完成后被冻结，并在未见过的实例上评估其泛化能力。agent 可以多次与环境交互来校准物理模型、测试边界情况、调整策略。 实验设置与结果 实验在 KinDER 和 PDDLStream 的 28 个模拟环境中进行，物体数量超过了原 benchmark 的规模。评估了 Claude Code (Opus 5) 和 Codex (GPT-5.6 Sol 和 GPT-6 Astra) 三种配置。在所有方法中，三种 agent 配置均优于手工规划器、一次性生成和基于 LLM 的广义规划基线。在 16 个有规划器可对比的环境中，平均成功率 56%–95%，而规划器为 47%。随着物体数量增加，agent 的程序保持了更高的成功率，且每个实例的平均计算量比规划器低一个数量级。论文还公开了所有代码，包括给 agent 的完整 prompt。 值得注意 原文是一篇 arXiv 论文摘要，信息有限。实验的具体环境列表、agent 与环境的交互细节、失败案例的分析、以及程序的具体结构在摘要中均未展开。结论中“surprisingly effect…