PhysCaP：物理信息驱动的代码即策略机器人主动感知智能体

我们提出了PhysCaP，一种用于机器人操作中主动感知的物理信息代码即策略代理。虽然视觉-语言-动作策略擅长模仿演示，但它们依赖被动观察，无法推断对操作至关重要的潜在物理属性。PhysCaP通过物理信息探索层增强了代码即策略框架，该层能够通过交互实现明确的信息寻求。它引入了无需训练的物理属性提取模块，这些模块仅从机器人本体感觉中估计物体质量和刚度，无需额外传感器。为了平衡探索成本和获取信息的效率，PhysCaP采用双代理设计：一个规划器决定何时探索和何时停止，以及一个优先级排序器，它过滤不合理的交互，并使用启发式优先级分数对剩余交互进行排序，从而实现高效、有针对性的探索。我们在真实世界的桌面操作任务（搜索隐藏物体、检测空罐和寻找成熟鳄梨）以及LIBERO中的模拟任务上评估了PhysCaP。结果表明，现有的被动和简单交互基线在物理属性隐藏时要么失败，要么过度探索，而PhysCaP以更少的交互和更短的执行时间实现了相当的性能。消融研究进一步验证了所提出的物理属性提取模块的有效性。项目页面：https://physcap.github.io