内容摘要
作者提出可修订时序规划（RTP），处理机器人执行反馈与预测视觉未来不一致的问题：原样复用可能保留时序误差，完全重生成则重复视觉生成过程。RTP基于任务适配后的LingBot-VA，将视觉未来保留为持久动作条件，通过学习式修订桥恢复生成时保存的中间状态，在新观测下修订未执行计划，并以视觉和动作监督连接修订与控制。时间感知历史提供观测证据；策略在保留、桥接修订和从新噪声重新规划之间选择，所有模式均依据当前事实重新解码动作。
作者在RoboMME的16项任务和RMBench的九项双臂任务上评测，每项分别使用50和100次重置，报告任务平均成功率为48.6%和84.8%。相对同一时间感知模型的重新规划，按展示成功率分别提高8.2和4.9个百分点；这不是跨协议排名。学习式修正的组件证据较清晰，但保存状态来源及视觉前缀作用仍估计不够精确，部分任务比较区间包含零。结果限于LingBot-VA、有限预测窗口、同步执行和受控延迟，不据此外推通用能力；代码与检查点仅承诺发布。
点评
研究将反馈后的视觉计划修订连接到闭环控制。作者的损失消融提示，视觉预测误差降低不必然带来任务成功率提高。
本条仅依据所给作者论文材料，不构成独立研究复现。统计区间反映给定已训练模型下的重置变化，不覆盖独立训练间差异；代码与检查点的发布承诺不能视为已完成工程开放。
版本与核查范围
版本 2609.35439v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p2.1；#S1.p4.1；#S1.p5.1；#S3.SS2.p1.2；#S1.p5.1；#S3.SS3.p1.1；#S4.SS1.p1.1；#S4.T1.5；#S4.T2.5；#S4.SS2.p1.1；#S4.SS1.p2.1；#S5.p1.1