视觉语言模型给出的状态不再被压成单一猜测:PRaVaSS 保留最小高概率状态集,规划成功率在 PRB 上从 16.7% 升到 32.6%
机器人用视觉语言模型估计场景状态时,通常把带概率的输出压成一个最可能的符号状态,猜错就会让后续规划变得不安全或不可行。PRaVaSS 改为从模型已有的逐特征概率出发,结合任务约束构造一个累计概率达到用户阈值的极小状态集合,让规划器同时考虑最可能的若干状态。在 PRB 与 GW 两个规划域上,以 GPT-4.1 为骨干的该流程把下游规划成功率从 MAP 的 16.7% 和 70.7% 提升到 32.6% 和 80.0%。