阅读排行更多

企业直播更多

推荐展会更多

大语言模型＋机器人规划研究取得新进展！可大幅提升智能制造执行可靠性

2026-04-28 08:47:18来源：中国科学院沈阳自动化研究所阅读量：19817 评论

　　在智能制造领域，基于符号规划的机器人任务部署，长期受制于脆弱、易出错的领域模型。尽管大语言模型(LLM)可以快速生成规划领域定义语言(PDDL)，但常隐含前置条件不足、动作效果缺失等细微缺陷，导致规划方案语法合规、物理执行却频频失败，形成难以跨越的 “语义鸿沟”，严重制约机器人自动化的稳定性。

　　针对这一痛点，中国科学院沈阳自动化研究所工业控制网络与系统研究室科研团队，提出了一套轨迹引导式领域修复框架，实现符号规划模型与物理真实场景的精准对齐。

　　该框架采用了两阶段闭环优化：首先通过迭代束宽搜索，筛选高价值精简轨迹，最大限度减少机器人与环境的交互成本；其次对执行失败精准归因，区分前置条件缺陷与上游动作影响，生成结构化提示引导大语言模型完成模型自动修复。

　　该方法在 12 组基准测试中完成了验证，覆盖工业仿真与实体机器人场景，最终实现71.2% 的执行成功率，在同等标准下超越所有对比方法，达到当前最优水平。同时，该方案交互成本大幅降低，单任务平均仅需 231 次环境交互，相较传统探索式方法减少近一个数量级，实用性显著提升。

　　本研究为打通高层符号推理与底层物理执行提供了可行路径，可有效提升复杂制造场景下，大语言模型驱动的自动化系统可靠性，为智能机器人、柔性生产线、高端智能制造的落地应用提供了关键技术支撑。

　　该研究成果近期以Bridging the Semantic Gap: Trajectory-Guided Domain Repair for Reliable Planning为题在线发表于国际期刊Robotics and Computer-Integrated Manufacturing。博士研究生刘锐楷为论文第一作者，曾鹏研究员、万广喜副研究员为通讯作者。该研究得到了国家自然科学基金、辽宁省自然科学基金、沈阳自动化所基础研究计划重点项目的支持。(工业控制网络与系统研究室)

上一篇：环保新质生产力｜油气田抗盐高效油水分离药剂研发及规模应用

下一篇：西安交大靳立教授团队揭示反铁电电容器高效储能新机制并刷新纪录

版权与免责声明：1.凡本网注明“来源：兴旺宝装备总站”的所有作品，均为浙江兴旺宝明通网络有限公司-兴旺宝合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：兴旺宝装备总站”。违反上述声明者，本网将追究其相关法律责任。 2.本网转载并注明自其它来源（非兴旺宝装备总站）的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。 3.如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。

我来评论

验证码

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关