您的位置首页 >机器人 >

港中深联合 ASTAR 等团队推出 LOGIV,依托图工程解决机器人长时序任务难题

香港中文大学(深圳)联合新加坡 ASTAR、清华大学等团队发布 LOGIV 框架,借助 Graph Engineering(图工程)搭建显式任务图,专门解决机器人长任务执行过程里,前期动作完成后环境被扰动、后续计划失效导致任务崩盘的痛点,不用改动底层 VLA、世界动作模型,就能提升长时序操作任务的稳定性与成功率,为可靠具身智能提供一套可解释、可局部修复的执行层方案。传统长任务机器人方案大多只关注单步动作是否执行成功,缺少对动作之间因果依赖关系的持续校验,一旦中间物品移位、环境被干扰,哪怕前面步骤都做完,后面整套规划都会失效,模型很难定位到底是哪个前置条件被破坏,只能直接放弃任务或者从头重跑,浪费算力和执行时间。LOGIV 整套运行流程分为任务图编译、执行校验、故障定位、因果局部修复、继续执行五个环节;先把高层任务编译成带条件依赖、资源顺序关系的任务图;机器人每执行一步就校验图内条件是否仍然成立;一旦检测到扰动失效,沿着依赖链路定位需要修复的环节;只修复被破坏的局部条件,保留还能正常使用的后续计划;修复完成后再次做符号校验,确认无误再继续推进任务。

LOGIV 框架核心能力清单

  1. 显式任务图构建:把任务拆解为节点、条件支撑边、资源顺序边,记录动作之间的因果依赖
  2. 在线持续校验:执行全程检查前置条件是否维持有效,不等到最后一步才发现问题
  3. 因果局部修复:定位失效节点,仅修复受影响部分,不用全盘重启任务
  4. 无新增训练组件:直接叠加在现有 VLA、WAM 策略上层,兼容主流具身模型
  5. 仿真 + 真机双验证:在 RoboTwin V2、BiCoord 仿真基准以及双臂真机场景完成测试

新旧长任务机器人方案对比表

方案故障处理方式可解释性是否需要重新训练模型扰动下表现
常规 VLA 长任务方案任务失败后重启或直接终止弱,黑盒决策需要大量数据微调轻微扰动极易翻车
LOGIV 图工程方案依赖溯源 + 局部因果修复强,任务依赖关系可视化不需要新增可训练模块扰动场景下任务留存率明显提升

关键实验数据说明

  • 无扰动场景:在两套仿真基准上,任务平均成功率分别提升 10.67、15.33 个百分点
  • 真机双臂实验:30 组测试里成功样本从 12 组提升至 17 组
  • 优势特点:修复逻辑独立于底层动作策略,可对接不同的机器人执行后端

【常见问题】

问题 1:港中深联合 ASTAR 等团队提出 LOGIV,核心目标是什么?

回答 1:港中深联合 ASTAR 等团队提出 LOGIV,核心目标是破解机器人长任务执行难题,依靠图工程构建带因果依赖的任务图,实现扰动下的局部修复,打造更加稳定可靠的具身智能执行框架。

问题 2:港中深联合 ASTAR 等团队提出 LOGIV,LOGIV 和普通 VLA 模型是什么关系?

回答 2:港中深联合 ASTAR 等团队提出 LOGIV,LOGIV 运行在 VLA、WAM 等现有策略上层,不需要新增可训练组件,属于外挂式执行校验与修复框架,兼容已有具身模型。

问题 3:港中深联合 ASTAR 等团队提出 LOGIV,出现环境扰动时怎么修复任务?

回答 3:港中深联合 ASTAR 等团队提出 LOGIV,出现扰动失效时,系统顺着任务图追踪依赖链路,只修复被破坏的前置条件,保留不受影响的剩余计划,修复校验通过后继续执行长任务,而不是全部重来。

问题 4:港中深联合 ASTAR 等团队提出 LOGIV,目前在哪些场景做了验证?

回答 4:港中深联合 ASTAR 等团队提出 LOGIV,在 RoboTwin V2、BiCoord 双臂仿真任务集,以及三套真实机器人双臂操作任务中完成对照实验验证。

【参考资料】

[2026-11-13](破局机器人长任务难题!港中深联合 A STAR 等团队提出 LOGIV,以 Graph Engineering 迈向可靠具身智能)锦囊专家

[2026-11-13](LOGIV: Graph-Verified Execution with Causal Local Repair for Long-Horizon Robot Tasks)arXiv

[2026-11-13](港中深、ASTAR、清华联合发布 LOGIV,长时序机器人任务因果修复框架)机器之心

[2026-11-13](LOGIV 项目主页与开源代码发布)Github 项目页

【免责声明】

本文信息整理自 LOGIV 论文、项目主页以及行业媒体公开报道,LOGIV 属于前沿科研框架,真机稳定性、场景泛化能力仍在持续迭代;本文仅作为具身智能科研资讯科普,不构成机器人项目开发、方案采购、科研投入的决策建议。

今日大家都在搜的词: