随着计算机视觉的进步，能够从视觉惯性数据中自动提取以对象为中心的关系表示。这些状态表示被称为 3D 场景图，是对现实世界场景的层次化分解，具有密集的多重图结构。尽管 3D 场景图声称能够促进机器人系统的高效任务规划，但它们包含大量对象和关系，而在特定任务中仅需要小部分。这种情况扩大了任务规划者必须操作的状态空间，限制了在资源受限环境中的部署。该研究测试了现有的具身人工智能环境在机器人任务规划与 3...