Actively Resolving Contextual Uncertainty for Underspecified Tasks in Natural Language
作者: Zachary Ravichandran, Jonathan Diller, Fernando Cladera, Varun Murali, George J. Pappas, Vijay Kumar
分类: cs.RO, cs.AI
发布日期: 2026-09-24
备注: Accepted to the International Symposium of Robotics Research (ISRR) 2026
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出CLUE框架以解决自然语言下的不明确任务的上下文不确定性问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 上下文不确定性 自然语言处理 闭环反馈 自主机器人 任务规划
📋 核心要点
- 现有方法通常假设任务目标明确，缺乏处理不明确任务的能力，导致上下文不确定性高。
- 论文提出CLUE框架，通过在线构建语言嵌入地图和闭环反馈机制，主动解决上下文不确定性。
- CLUE在三种真实环境中进行实验，成功率接近理想策略，并显著优于没有闭环反馈的LLM规划器。
📝 摘要（中文）
基础模型赋予机器人理解自然语言和推理环境上下文的能力，但大多数基于语言的策略假设目标是明确的，并且任务相关信息是通过先前的地图提供的。在不熟悉的环境中处理不明确的任务会导致高上下文不确定性：机器人必须共同推断什么构成任务成功、什么是相关信息，以及这些信息存在于何处（或是否存在）。我们通过CLUE（闭环上下文不确定性解决）框架解决这些限制，CLUE利用大型语言模型派生的策略来假设任务相关概念和潜在计划，并使用在线构建的语言嵌入地图将这些假设落实为行动。该策略通过闭环环境交互逐步评估假设，并在收集新信息时优化计划。
🔬 方法详解
问题定义：论文要解决的问题是如何在不明确的任务中有效处理上下文不确定性。现有方法通常依赖于明确的目标和预先提供的信息，无法适应动态和复杂的环境。
核心思路：CLUE框架的核心思路是利用大型语言模型（LLM）推测任务相关概念，并通过在线构建的语言嵌入地图将这些推测转化为具体行动。通过闭环反馈，机器人能够在与环境交互的过程中不断优化其计划。
技术框架：CLUE的整体架构包括三个主要模块：1) LLM派生的策略用于生成任务假设；2) 在线构建的语言嵌入地图用于将假设与环境信息对齐；3) 闭环反馈机制用于评估和优化假设。
关键创新：CLUE的主要创新在于其闭环上下文不确定性解决方案，区别于传统方法仅依赖静态信息。它通过动态交互和信息收集来不断调整任务理解和执行策略。
关键设计：在设计中，CLUE采用了特定的损失函数来优化任务成功率，并通过多轮交互来增强模型的学习能力。网络结构方面，使用了适应性模块来处理不同类型的任务和环境信息。
🖼️ 关键图片
📊 实验亮点
CLUE在三种真实环境中进行的实验显示，其成功率与理想策略相差仅7个百分点，且在没有闭环反馈的LLM规划器上表现出4倍的性能提升。这表明CLUE在复杂上下文任务中的有效性和优势。
🎯 应用场景
该研究的潜在应用领域包括自主机器人导航、智能家居系统和人机交互等。通过有效处理不明确任务的上下文不确定性，CLUE可以提升机器人在复杂环境中的自主决策能力，具有重要的实际价值和未来影响。
📄 摘要（原文）
Foundation models provide robots with the ability to interpret natural language and reason about environmental context, yet most language-conditioned policies assume that goals are well-specified and that task-relevant information is provided upfront via a prior map. Operating in unfamiliar environments with underspecified tasks entails high contextual uncertainty: the robot must jointly infer what constitutes task success, what constitutes relevant information, and where (or whether) that information exists. We address these limitations via CLUE (Closed-Loop contextual Uncertainty rEsolution), a framework for actively resolving contextual uncertainty given underspecified tasks in natural language. CLUE uses an LLM-derived policy to hypothesize task-relevant concepts and potential plans. It then uses a language-embedded map, which is constructed online, to ground these hypotheses into actions. The policy sequentially evaluates hypotheses via closed-loop environment interaction and refines its plans as it gathers new information. We deploy CLUE on a Boston Dynamics Spot across three real indoor and outdoor environments spanning 15 tasks that require object disambiguation, functional inference, and occlusion reasoning. CLUE achieves a success rate within 7 percentage points of an oracle policy and outperforms an LLM-enabled planner without closed-loop feedback by a 4x margin. Supporting experiments demonstrate that simply building and then querying a language-enriched map is insufficient to resolve complex contextual planning tasks; these approaches achieve roughly one third the success rate of CLUE while requiring over 10x more VLM tokens. We provide additional information at https://zacravichandran.github.io/CLUE.