**CausGround：无需参数更新的因果交互推理框架，显著提升多模态大模型在机器人操作中的规划能力**

_CausGround: Causal Interaction Grounding for Adaptive Embodied Planning_

> 针对多模态大语言模型（MLLMs）缺乏可靠物理交互规划能力的问题，研究提出了 CausGround 框架。该框架通过蒸馏交互经验，将动作的前置条件与效果转化为可复用的因果知识，并以因子化的世界状态表示组织对象属性与关系。在规划时，系统根据当前观测将因果依赖具体化，支持基于前置条件的逆向推理和基于效果的顺向推理，从而实现动作选择与多步规划。实验表明，CausGround 在 VirtualHome 和 RoboCasa 等基准测试中显著提升了基于视觉的高层规划成功率，并在真实世界机器人操作中实现了从 MLLM 解释的目标到可执行动作序列的推理，证明了其在多样化环境中无需参数更新即可支持长视界具身规划的有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.29702)