基于大语言模型的机器人规划与控制中的自动策略决策与实现
机器人学
2025-10-01 v2
摘要
最近的大型语言模型（LLM）在诸多领域展现出巨大潜力，尤其在机器人领域。然而，大多数基于 LLM 的机器人应用要么直接预测路径，要么在固定的工具集成框架内应用 LLM，灵活性有限，难以为不同任务找到最合适的解决方案。在本工作中，我们提出了一个框架，利用 LLM 根据任务描述、环境约束和系统动态选择合适的规划与控制策略，然后通过调用可用的数据综合规划与控制 API 执行这些策略。我们的方法采用带有绩效反馈的迭代 LLM 推理，以细化算法选择。我们通过在从简单跟踪到涉及时空约束的复杂规划场景中进行大量实验来验证该方法。结果表明，使用 LLM 从自然语言描述中确定规划与控制策略显著提升了机器人的自主性，同时减少了大量手动调优和专家知识的需求。此外，我们的框架在不同任务间保持良好的通用性，显著优于依赖 LLM 进行直接轨迹、控制序列或代码生成的基线方法。
引用
@article{arxiv.2504.03015,
title = {AuDeRe: Automated Strategy Decision and Realization in Robot Planning and Control via LLMs},
author = {Yue Meng and Fei Chen and Yongchao Chen and Chuchu Fan},
journal= {arXiv preprint arXiv:2504.03015},
year = {2025}
}
备注
8 pages, 14 figures, submitted to the 2026 American Control Conference