从反应到预见：基于智能体任务图的机器人操作主动故障恢复

From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation

尽管机器人操作已取得显著进展，但在动态非结构化环境中，由于任务失败不可避免，可靠执行仍然充满挑战。为应对此类失败，现有框架通常遵循逐步的"检测-推理-恢复"流程，但因推理延迟与反应式规划导致高延迟和有限的鲁棒性。受人类能够预判并主动规划潜在失败的能力启发，我们提出AgentChord——一个将操作任务建模为有向任务图的智能体系统。在执行前，该图通过添加预见性恢复分支来强化，这些分支规定了上下文感知的纠错行为，从而在失败发生时能够立即做出针对性响应。具体而言，AgentChord通过专业智能体的编排运作：一个构建标称任务图的"作曲家"、一个用预见性恢复分支增强该图的"编曲家"，以及一个编译并协调可执行状态转换的"指挥家"，其利用低延迟监控器检测偏差并触发预编译的恢复动作，无需重新规划。在多种长时域双臂操作任务上的实验表明，AgentChord显著提升了成功率和执行效率，推动了真实世界机器人系统的可靠性与自主性。项目页面可见：https://shengxu.net/AgentChord/。