标签： 运动规划

在具身智能领域，让机器人理解人类语言并执行复杂物理操作一直是核心挑战。传统方法依赖昂贵的专家演示、海量标注数据或针对特定任务的强化学习训练，泛化能力差且部署成本极高。近期突破性框架VoxPoser，通过大语言模型（LLM）与视觉语言模型（VLM）协同生成3D价值地图，首次实现了开放场景下的零样本机器

在机器人技术领域，零样本学习能力被视为具身智能的"圣杯"。传统机器人控制系统需要针对每个任务进行大量示教和参数调整，这种基于预编程的范式严重制约了机器人在开放环境中的适应能力。近期突破性的VoxPoser框架通过创新性技术路径，成功实现了零样本下的复杂任务执行能力，其核心在于构建了三维体素空间与语言