RoboTALES: Learning Reasoning-Guided Robot Policies via Task-Aligned Simulated Futures

• 类型：arxiv
• 标识：2607.06018
• 链接：https://arxiv.org/abs/2607.06018
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes RoboTALES, a single-stage framework that learns task-aligned simulated futures and uses them to train robot policies and introduces two key innovations: a hierarchical LLM-based planner that breaks complex tasks into a sequence of subgoals to guide the model's imagination and a VLM-based critic that evaluates these ``imagined'' futures.
• OpenAlex ID：W7167708930
• OpenAlex DOI：10.48550/arxiv.2607.06018
• DOI：10.48550/arxiv.2607.06018
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.06018
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：RoboTALES：通过任务对齐的模拟未来学习推理引导的机器人策略
• TLDR中文：提出 RoboTALES，一个学习任务对齐模拟未来并据此训练机器人策略的单阶段框架，引入两项关键创新：基于 LLM 的分层规划器，将复杂任务拆解为子目标序列以引导模型的"想象"；基于 VLM 的评判器，用于评估这些"想象"出的未来。
• 来源文件：
• /inbox/tom/_candidates/2026-07-10-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]