Un equipo de investigadores de la Universidad Sungkyunkwan (SKKU) ha presentado FCGraft, un marco que acelera drásticamente cómo los grandes modelos de lenguaje generan políticas de control para agentes incorporados. Aceptado en ICML 2026.
El desafío fundamental en robótica es doble: prompt largos causan decodificación lenta, y la decodificación generativa produce errores de API y lógica inestable.
FCGraft mantiene una biblioteca de esqueletos de código validados con sus cachés KV. Al recibir una tarea, recupera funciones e injerta sus cachés en una política compuesta mediante stitching y patching.
Resultados: 18.31% más de tasa de éxito y 2.3x más rápido que RAGCache.
FCGraft representa un paso hacia la generación práctica de políticas basadas en CodeLLM para robótica del mundo real.
