本文提出了ViPlan基准，旨在比较符号规划与视觉语言模型（VLM）在视觉规划中的表现。研究评估了九个开源VLM模型，结果显示符号规划在某些任务中优于VLM，而在其他任务中则相反，揭示了该领域的复杂性和模型的局限性。

本研究提出了一种新方法AdaWorld，旨在解决世界模型在新环境适应时对大量标签数据的依赖问题。实验结果表明，该方法在仿真质量和视觉规划方面表现优越，具有重要的应用潜力。

本研究提出了一种离散层次规划（DHP）方法，有效解决了长时间视觉规划任务中的挑战，显著提升了复杂环境中的规划效率和成功率。

本文介绍了一种基于数据驱动的机器人任务规划方法，结合深度生成模型和视觉规划技术，提升了物体操作性能。通过层次视觉预见和通用任务分解器，模型有效识别子目标并处理复杂任务，展现出强大的泛化能力。此外，研究提出了新策略和基准测试，优化了机器人操作的准确性和效率。