LMPVC 与策略库：基于生成代码的大语言模型和可重用 Python 策略的工业机器人自适应语音控制
机器人学
2025-06-30 v1
摘要
现代产业正逐渐从大规模制造转向更具针对性和个性化的产品。随着制造任务变得越来越复杂，完全自动化并不总是可行的，需要人类参与。这增加了对先进人机协作 (HRC) 方法的需求，以及更有效的交互方式，如语音控制。近期的人工智能驱动的自然语言处理进展有望满足这一需求。大语言模型 (LLM) 取得了令人瞩目的普遍推理能力，许多方法被提出应用于机器人领域，包括通过代码生成。本文提出了语言模型程序语音控制 (LMPVC)，一种基于大语言模型的语音控制原型架构，集成了策略编程和教学功能，专为与机器人操作系统 2 (ROS2) 兼容的机器人设计。该架构在使用代码生成进行语音控制的先行工作基础上，实现了额外的编程和教学系统——策略库。我们发现该系统可以弥补底层大语言模型的局限性，使 LMPVC 能够在无需缓慢且昂贵训练过程的情况下适应不同的下游任务。该架构和附加结果已在 GitHub (https://github.com/ozzyuni/LMPVC) 上发布。
引用
@article{arxiv.2506.22028,
title = {LMPVC and Policy Bank: Adaptive voice control for industrial robots with code generating LLMs and reusable Pythonic policies},
author = {Ossi Parikka and Roel Pieters},
journal= {arXiv preprint arXiv:2506.22028},
year = {2025}
}
备注
Accepted by the 2025 34th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN). For further information, videos and code, see https://github.com/ozzyuni/LMPVC