Les chercheurs présentent Graph-as-Policy (GaP), un harnais de codage multi-agents conçu pour combler l'écart de fiabilité dans les tâches d'automatisation variationnelle en combinant la programmation interprétable avec l'adaptabilité sans modèle. GaP génère des graphes de calcul dirigés contenant des nœuds de perception, de planification et de contrôle à partir d'une Modular Open Robot Skill Library (MORSL) et utilise une simulation interne pour répéter et affiner ces structures.
- Le système affine itérativement la structure du graphe et les paramètres en parallèle pour améliorer les taux de réussite et le débit.
- L'évaluation sur 8 nouveaux benchmarks de tâches VA ouverts, comprenant 4 scénarios en simulation et 4 dans le monde réel, montre que GaP surpasse significativement les références.
Cette approche permet aux robots d'exécuter des tâches persistantes et fiables dans des applications commerciales et industrielles malgré les variations de géométrie et de pose des objets.