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。