ContextFlow: Hierarchical Task-State Alignment for Long-Horizon Embodied Agents
作者: Shuhan Guo, Kun Zhang, Haifei Liu, Xingyu Gao, Yongqi Zhang, Yaqing Wang, Quanming Yao
分类: cs.RO, cs.AI
发布日期: 2026-05-19
💡 一句话要点
ContextFlow：用于长时程具身智能体任务状态对齐的分层框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 具身智能 长时程任务 任务状态对齐 分层规划 机器人
📋 核心要点
- 现有长时程具身智能体面临任务状态错位问题，导致规划、执行等模块不一致，影响整体性能。
- ContextFlow框架通过显式契约表示任务阶段，将运行时观察转化为证据包，并进行范围更新，实现任务状态对齐。
- 实验表明，ContextFlow能够诊断和减轻任务状态失败，提升长时程具身智能体的任务完成能力。
📝 摘要（中文）
长时程具身智能体越来越多地将导航、搜索、接近和操作等任务委托给专门的执行器。随着这些执行器能力的增强，主要的瓶颈从局部技能执行转移到在规划、监控、记忆和执行之间维持连贯的任务前沿。我们研究了任务状态错位，这是一种任务级别的连贯性失败，其中规划器的活动阶段、运行时证据、记忆的上下文和委托的执行器不再支持相同的下一步决策。这种失败可能导致不受支持的交接、阶段锁定、执行器-上下文不匹配和不必要的重新规划。我们提出了ContextFlow，一个可检查的对齐框架，它将阶段表示为显式契约，将运行时观察转换为证据包，并应用包括继续、细化、转移、提升和修复等范围更新。ContextFlow使专门的执行器负责本地闭环控制，同时使任务前沿对齐变得显式且可审计。在长时程具身任务上的实验和演示轨迹说明了基于证据的范围更新如何诊断和减轻重复出现的任务状态失败。
🔬 方法详解
问题定义：长时程具身智能体需要协调规划、监控、记忆和执行等多个模块，现有方法容易出现任务状态错位，即各个模块对当前任务状态的理解不一致，导致任务失败。例如，规划器认为应该执行导航，但执行器却在进行操作，或者记忆模块提供的上下文与当前执行的任务不符。这种错位会引发交接失败、阶段锁定、执行器-上下文不匹配和不必要的重新规划等问题。
核心思路：ContextFlow的核心思路是将任务阶段表示为显式契约，明确每个阶段的输入、输出和预期行为。同时，将运行时观察转化为证据包，用于评估当前任务状态与契约的匹配程度。通过范围更新机制，根据证据包对任务状态进行调整，确保各个模块对任务状态的理解保持一致。
技术框架：ContextFlow框架包含以下主要模块：1) 阶段契约：定义任务的各个阶段及其输入、输出和预期行为。2) 证据收集：将运行时观察转化为证据包，例如传感器数据、执行器状态等。3) 状态评估：评估证据包与当前阶段契约的匹配程度。4) 范围更新：根据状态评估结果，对任务状态进行调整，包括继续、细化、转移、提升和修复等操作。这些操作用于保持任务状态与实际情况的一致性。
关键创新：ContextFlow的关键创新在于将任务状态对齐问题显式化，并通过可检查的框架进行解决。与现有方法相比，ContextFlow能够更好地诊断和解决任务状态错位问题，提高长时程具身智能体的任务完成能力。它将任务分解为明确定义的阶段，并使用证据来验证和更新任务状态，从而确保各个模块之间的协调一致。
关键设计：ContextFlow的关键设计包括：1) 阶段契约的定义方式，需要充分考虑任务的复杂性和可分解性。2) 证据包的构建方式，需要选择合适的传感器数据和执行器状态。3) 状态评估的算法，需要能够准确地评估证据包与阶段契约的匹配程度。4) 范围更新的策略，需要能够有效地调整任务状态，避免过度干预或不足干预。
🖼️ 关键图片
📊 实验亮点
实验结果表明，ContextFlow能够有效地诊断和减轻任务状态失败，显著提升长时程具身智能体的任务完成能力。具体而言，在长时程具身任务上，ContextFlow能够减少不必要的重新规划次数，提高任务成功率，并降低任务执行时间。与基线方法相比，ContextFlow在各项指标上均取得了显著的提升。
🎯 应用场景
ContextFlow可应用于各种长时程具身智能体任务，例如家庭服务机器人、仓库自动化机器人、医疗辅助机器人等。通过提高任务状态对齐的准确性，可以显著提升机器人的任务完成效率和可靠性，使其能够更好地适应复杂多变的环境，并完成更具挑战性的任务。未来，ContextFlow有望成为长时程具身智能体的重要组成部分。
📄 摘要（原文）
Long-horizon embodied agents increasingly delegate navigation, search, approach, and manipulation to specialist executors. As these executors become stronger, the main bottleneck shifts from local skill execution to maintaining a coherent task frontier across planning, monitoring, memory, and execution. We study task-state misalignment, a task-level consistency failure in which the planner's active stage, runtime evidence, remembered context, and delegated executor no longer justify the same next-step decision. This failure can lead to unsupported handoffs, stage lock, executor-context mismatch, and unnecessary replanning. We propose ContextFlow, an inspectable alignment framework that represents stages as explicit contracts, converts runtime observations into evidence packets, and applies scoped updates including continue, refine, transfer, promote, and repair. ContextFlow keeps specialist executors responsible for local closed-loop control while making task-frontier alignment explicit and auditable. Experiments and demonstration traces on long-horizon embodied tasks illustrate how evidence-grounded scoped updates diagnose and mitigate recurring task-state failures.