Buchumschlag

Proposition of Affordance-Driven Environment Recognition Framework Using Symbol Networks in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arii, Kazuma, Kurihara, Satoshi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CRAFT-E: A Neuro-Symbolic Framework for Embodied Affordance Grounding
von: Chen, Zhou, et al.
Veröffentlicht: (2025)

Sensorimotor Self-Recognition in Multimodal Large Language Model-Driven Robots
von: Varela, Iñaki Dellibarda, et al.
Veröffentlicht: (2025)

GarmentPile++: Affordance-Driven Cluttered Garments Retrieval with Vision-Language Reasoning
von: Li, Mingleyang, et al.
Veröffentlicht: (2026)

LLM-mediated Dynamic Plan Generation with a Multi-Agent Approach
von: Abe, Reo, et al.
Veröffentlicht: (2025)

Gaussian Mixture Models for Affordance Learning using Bayesian Networks
von: Osório, Pedro, et al.
Veröffentlicht: (2024)

Interactive Navigation in Environments with Traversable Obstacles Using Large Language and Vision-Language Models
von: Zhang, Zhen, et al.
Veröffentlicht: (2023)

Multi-Object Graph Affordance Network: Goal-Oriented Planning through Learned Compound Object Affordances
von: Girgin, Tuba, et al.
Veröffentlicht: (2023)

AutoGPT+P: Affordance-based Task Planning with Large Language Models
von: Birr, Timo, et al.
Veröffentlicht: (2024)

MLLM-Fabric: Multimodal Large Language Model-Driven Robotic Framework for Fabric Sorting and Selection
von: Wang, Liman, et al.
Veröffentlicht: (2025)

Language Models can Infer Action Semantics for Symbolic Planners from Environment Feedback
von: Zhu, Wang, et al.
Veröffentlicht: (2024)

Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework
von: Fang, Shiyu, et al.
Veröffentlicht: (2024)

How Secure Are Large Language Models (LLMs) for Navigation in Urban Environments?
von: Wen, Congcong, et al.
Veröffentlicht: (2024)

Benchmarking Affordance Generalization with BusyBox
von: Fortier, Dean, et al.
Veröffentlicht: (2026)

Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning
von: Lu, Hong, et al.
Veröffentlicht: (2026)

Cross-Embodied Affordance Transfer through Learning Affordance Equivalences
von: Aktas, Hakan, et al.
Veröffentlicht: (2024)

TRACE: Textual Reasoning for Affordance Coordinate Extraction
von: Park, Sangyun, et al.
Veröffentlicht: (2025)

Contextual Affordances for Safe Exploration in Robotic Scenarios
von: Ye, William Z., et al.
Veröffentlicht: (2024)

Affordance-based Robot Manipulation with Flow Matching
von: Zhang, Fan, et al.
Veröffentlicht: (2024)

SayNav: Grounding Large Language Models for Dynamic Planning to Navigation in New Environments
von: Rajvanshi, Abhinav, et al.
Veröffentlicht: (2023)

Cog-GA: A Large Language Models-based Generative Agent for Vision-Language Navigation in Continuous Environments
von: Li, Zhiyuan, et al.
Veröffentlicht: (2024)

Integrating Large Language Models for UAV Control in Simulated Environments: A Modular Interaction Approach
von: Phadke, Abhishek, et al.
Veröffentlicht: (2024)

Online Dynamic Goal Recognition in Gym Environments
von: Matan, Shamir, et al.
Veröffentlicht: (2025)

Perspective-Shifted Neuro-Symbolic World Models: A Framework for Socially-Aware Robot Navigation
von: Alcedo, Kevin, et al.
Veröffentlicht: (2025)

INGRID: Intelligent Generative Robotic Design Using Large Language Models
von: Jia, Guanglu, et al.
Veröffentlicht: (2025)

Eurekaverse: Environment Curriculum Generation via Large Language Models
von: Liang, William, et al.
Veröffentlicht: (2024)

An LLM-Driven Closed-Loop Autonomous Learning Framework for Robots Facing Uncovered Tasks in Open Environments
von: Su, Hong
Veröffentlicht: (2026)

Hybrid Framework for Robotic Manipulation: Integrating Reinforcement Learning and Large Language Models
von: Saad, Md, et al.
Veröffentlicht: (2026)

A3D: Adaptive Affordance Assembly with Dual-Arm Manipulation
von: Liang, Jiaqi, et al.
Veröffentlicht: (2026)

Probing a Vision-Language-Action Model for Symbolic States and Integration into a Cognitive Architecture
von: Lu, Hong, et al.
Veröffentlicht: (2025)

Planning Safety Trajectories with Dual-Phase, Physics-Informed, and Transportation Knowledge-Driven Large Language Models
von: Gan, Rui, et al.
Veröffentlicht: (2025)

Scaling 3D Reasoning with LMMs to Large Robot Mission Environments Using Datagraphs
von: Meijer, W. J., et al.
Veröffentlicht: (2024)

VLA-AN: An Efficient and Onboard Vision-Language-Action Framework for Aerial Navigation in Complex Environments
von: Wu, Yuze, et al.
Veröffentlicht: (2025)

Learning Reward for Robot Skills Using Large Language Models via Self-Alignment
von: Zeng, Yuwei, et al.
Veröffentlicht: (2024)

RoboPoint: A Vision-Language Model for Spatial Affordance Prediction for Robotics
von: Yuan, Wentao, et al.
Veröffentlicht: (2024)

Affordance-Guided Coarse-to-Fine Exploration for Base Placement in Open-Vocabulary Mobile Manipulation
von: Lin, Tzu-Jung, et al.
Veröffentlicht: (2025)

AffordSim: A Scalable Data Generator and Benchmark for Affordance-Aware Robotic Manipulation
von: Li, Mingyang, et al.
Veröffentlicht: (2026)

Learning Environment-Aware Affordance for 3D Articulated Object Manipulation under Occlusions
von: Wu, Ruihai, et al.
Veröffentlicht: (2023)

Context-Aware Human Behavior Prediction Using Multimodal Large Language Models: Challenges and Insights
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

Multimodal Large Language Model Driven Scenario Testing for Autonomous Vehicles
von: Lu, Qiujing, et al.
Veröffentlicht: (2024)

Towards Reliable Code-as-Policies: A Neuro-Symbolic Framework for Embodied Task Planning
von: Ahn, Sanghyun, et al.
Veröffentlicht: (2025)