本研究提出Plexus，一种三维并行训练方法，有效解决了巨型图形神经网络因超出GPU内存限制而难以训练的问题。该方法通过负载平衡和性能模型优化，实现了在十亿边图中的高效训练，速度提升2.3至12.5倍，显著减少求解时间。

该文介绍了一种基于视觉的分层规划算法，使用神经符号任务规划和基于低级运动产生的联合框架，以指定目标为条件。该算法使用两级场景图形式来表示操作场景，并使用图形神经网络来处理这些场景图。作者在厨房储物任务中验证了该方法，并证明其比标准的搜索任务和运动规划器运行速度高四个数量级。