即使具有完全可观测性和以对象为中心的状态，任务和运动规划（ TAMP ）问题仍然很困难，因为离散决策与几何、运动和动态约束紧密耦合。广义TAMP通过利用问题实例之间的规律性来减少新实例的规划工作，从而解决这一难题。然而，现有方法需要大量的TAMP-

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.30233v1)获取最准确的信息。

---
🔗 **原文链接**: [Coding Agents for Generalized Task and Motion Planning Probl](https://arxiv.org/abs/2609.30233v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Matteo Merler, Bowen LI, Josh Roy, Yichao Liang, Qianwei Wang, Yixuan Huang, Tom Silver

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-25 13:01