Create Execution policy

Author: Zero-coder

e/demo/Execution policy

@@ -0,0 +1,46 @@
+是的，我完全理解您想表达的思路。总结一下，您想展示的是一个完整的流程，从用户输入指令（prompt）开始，经过推理和任务分解，再到任务的具体执行，并且结合了以下几个关键要点：
+
+1. **用户输入和环境感知**：
+   - 用户上传了一个高层次的prompt指令（例如“请将药放入杯子中”）。
+   - **GPT-4V**结合用户输入的prompt和摄像头获取的视觉信息，分析当前场景，并推理出需要执行的动作。
+
+2. **任务分解与映射**：
+   - **GPT-4V**对用户的高层次指令进行推理，将其分解为多个sub-task（子任务）。每个子任务对应具体的操作，例如“拾取药物”、“放置盖子”等。
+   
+3. **运动函数 $\psi$ 的映射**：
+   - 对于每个sub-task，系统首先检查是否有已经定义好的预定义运动函数 $\psi$ 可以直接执行该任务。例如，对于简单的“拾取物体”操作，系统可能已有现成的运动函数 $\psi$ 可以调用。
+
+4. **代码生成策略 $\pi$ 的应用**：
+   - 如果系统发现当前sub-task无法通过已有的预定义函数 $\psi$ 执行，则系统通过**GPT-4**（或其他大模型）进行代码生成策略 $\pi$ 的推理。通过$\pi$，系统能够动态生成代码以完成当前的sub-task。
+   
+5. **执行与自我反思**：
+   - 在执行每个sub-task的过程中，系统通过视觉反馈（如摄像头观测）不断自我反思，即验证操作是否正确完成。如果未能找到合适的 $\psi$，系统会通过$\pi$生成新的代码，直到任务完成。
+
+### 工作流程：
+1. **用户输入**：用户提供高层次指令。
+2. **GPT-4V 推理**：结合视觉信息和prompt指令进行任务理解与分解。
+3. **任务映射**：
+   - **检查**：首先检查是否有 $\psi$ 能执行当前子任务。
+   - **代码生成**：如果没有合适的 $\psi$，则使用 $\pi$ 生成新的运动代码。
+4. **执行与反馈**：通过机器人动作执行任务，并根据视觉反馈进行迭代。
+
+### 示例：
+假设用户的指令是“请将药物放入杯子中”。这个指令会被GPT-4V分解为以下子任务：
+1. 拾取白色盖子
+2. 将盖子放到桌子上
+3. 拾取药物
+4. 将药物放入杯子
+
+对于这些子任务，系统可能会：
+- 对于“拾取盖子”使用已有的 $\psi$（例如 `PickUpObject`）。
+- 对于“将药物放入杯子”，如果没有现成的运动函数 $\psi$，则通过$\pi$生成代码来完成。
+
+### 总结：
+您展示的是一个智能系统的流程，能够从高层次指令到具体动作执行进行推理，并在执行过程中结合已有的运动函数 $\psi$ 或通过代码生成策略 $\pi$ 生成新的动作，最终实现整个任务的完成。
+
+这套系统的关键在于：
+- **任务推理和分解**：从高层次指令到可执行子任务的分解。
+- **运动函数调用与生成**：结合已有的运动函数与动态代码生成的能力。
+- **自我反思与反馈**：通过视觉反馈不断验证执行的正确性。
+
+如果需要更详细的解释或修改某些细节，请随时告知我！