From Failures to Supervision: DynamicEnvPlan for Robust Long-Horizon Embodied Planning

DynamicEnvPlan 是一个用于动态环境中长时程具身规划的闭环框架。它扩展了具身任务执行，包含人形智能体、高层原始技能、结构化语义记忆和可控扰动。其数据合成设计由规划、扰动和受控修正模块组成，将动态执行状态转化为恢复导向轨迹，用于分阶段监督微调，使规划器能从正常执行和扰动恢复轨迹中学习。实验使用 104 个任务-场景组合，涵盖 i.i.d.、组合泛化和分布外设置，用于微调和评估。

DynamicEnvPlan 的核心创新在于将执行失败转化为可学习的监督信号，通过受控修正模块生成恢复轨迹，使规划器学会在扰动下调整计划。这种从失败中学习的方法可能比单纯在静态数据上训练更具鲁棒性。下一步可验证的信号是：该方法在真实机器人上的迁移效果，以及与其他闭环规划方法的对比。