来自预训练感知的鲁棒任务感知状态估计

arXiv:2611.14781v1 公告类型：新 摘要：使用预训练感知模型（例如视觉语言模型（VLM））执行状态估计的代理面临预测不确定的根本挑战。尽管如此，大多数方法仍将这些预测确定为单一的最佳猜测状态，并像基本事实一样做出决策。这是脆弱的，因为当猜测错误时，智能体的决定可能是不安全或不可行的。在另一个极端，维持符号状态的完整概率分布通常很棘手。我们提出了一条中间路径，利用感知模型已经产生的潜在概率（例如，VLM 的输出层令牌分布）来构建 $\theta$ 置信度最小信念集（MBS$_\theta$），这是其累积概率满足用户指定的信念质量阈值的状态的最小子集。 MBS$_\theta$ 的极小性确保代理仅考虑最可能的状态，从而增强下游决策的稳健性，同时保持计算的易处理性。使用新颖的三层信念系统，我们可以根据每个特征的预测和任务级约束有效地近似个体状态概率。在此信念构建的基础上，我们以 MBS$_\theta$ 构建为基础，同时仅维持信念的精益分解表示。我们的算法，概率排名有效状态搜索（PRaVaSS），利用这个信念系统的独特结构来构造一个MBS$_\theta$，在无约束的情况下具有正确性保证和多项式复杂性。使用 VLM 作为状态估计器的支柱，我们验证了我们的方法的理论特性、问题大小的可扩展性，以及在任务规划管道中使用时下游决策的改进。