OntoPlan：基于本体场景表示与智能体框架的可扩展机器人任务规划

OntoPlan 提出本体接地的场景表示与智能体框架，在 150 个通用任务、五个室内环境、三种场景规模下取得 0.89 平均任务成功率，最强基线仅 0.27。平均每任务用 18.1k token，比最高效基线少约 5.6 倍，且场景规模增大时优势仍保持。遇到歧义或不可行指令时，OntoPlan 会追问或报告信息不足，而非生成无效计划；代码已开源，论文被 NeurIPS 2026 接收。