机器人任务规划

针对机器人复杂长期任务的多模态视觉规划算法项目 Video Language Planning（简称VLP）是一款面向机器人任务的视觉规划算法，通过训练视觉语言模型与文本到视频模型实现能力输出。该算法接收长期任务指令与当前图像观察作为输入，输出包含视频、语言的详细多模态规划，可覆盖多物体重排、多摄像头双臂操作等多类机器人领域，生成规划可转化为真实机器人动作，相较于传统方法显著提升长期任务完成成功率。