通过大语言模型与符号推理定义并监控复杂机器人活动
机器人学
2025-09-22 v1 人机交互
摘要
近年来，通过在动态且不可预测的环境（如工业和农业场景）中部署机器人，以实现劳动密集型复杂活动（即由多个原子任务组成的活动）的自动化，引起了越来越多的关注。这些环境的一个关键特征是活动并非预定义的：虽然它们涉及一组有限的任务，但其组合可能因情况而异。此外，尽管机器人技术近期取得了进展，但人类监控高层活动进展的能力——即了解过去、现在和未来的动作——对于确保安全关键过程的正确执行仍然至关重要。本文中，我们介绍了一种将大语言模型（LLM）与自动规划相结合的通用架构，使人类能够使用自然语言指定高层活动（也称为过程），并通过查询机器人来监控其执行。我们还使用最先进的组件实现了该架构，并在一个真实的精准农业场景中对该方法进行了定量评估。
引用
@article{arxiv.2509.16006,
title = {Defining and Monitoring Complex Robot Activities via LLMs and Symbolic Reasoning},
author = {Francesco Argenziano and Elena Umili and Francesco Leotta and Daniele Nardi},
journal= {arXiv preprint arXiv:2509.16006},
year = {2025}
}