SayCan综合得分（绿条）=LLMs（蓝条）+Affordance函数（红条）

Affordance 函数可以淘汰不可执行的决策，提高自主可靠性。由于 Say 部分只是从语义层面对抽象指令进行分解，并未考虑现实基础，其分解出的子命令可能在现实中不可执行。以“你将怎样把海绵放回柜子上”这一高级指令为例，图中蓝条表示 LLMs 给出的可行概率，红条表示成功执行选定动作的概率，绿条是 SayCan 给出的综合得分。在第一步中，尽管 LLMs 认为“拿取海绵”是正确的动作，但 Affordance 函数根据视觉信息认为这是不可能一步执行的，因此选择了“寻找海绵”。由此可见，SayCan 大模型可以帮助机器人做出可靠决策。