PFEA：基于大语言模型的面向人类的高级自然语言规划与反馈具身智能体
机器人学
2025-10-29 v1
摘要
大语言模型（Large Language Models, LLMs）的快速进步标志着人工智能（AI）的一个重大突破，开启了以人类为中心的人工智能（Human-centered AI, HAI）新时代。HAI 旨在更好地服务于人类的福祉与需求，从而对机器人智能水平提出更高要求，尤其在自然语言交互、复杂任务规划和执行等方面。由 LLM 提供动力的智能体为实现 HAI 开辟了新路径。然而，现有的基于 LLM 的具身智能体往往缺乏在线规划和执行复杂自然语言控制任务的能力。本文探讨了基于视觉语言模型（Vision-Language Models, VLMs）的智能机器人操控智能体的实现。我们提出一种新颖的机器人具身智能体框架，包括人机语音交互模块、视觉语言智能体模块和动作执行模块。视觉语言智能体本身包含基于视觉的任务规划器、自然语言指令转换器和任务性能反馈评估器。实验结果表明，我们的智能体在模拟和真实环境中的平均任务成功率比仅依赖 LLM+CLIP 的方法高出 28%，显著提高了高级自然语言指令任务的执行成功率。
引用
@article{arxiv.2510.24109,
title = {PFEA: An LLM-based High-Level Natural Language Planning and Feedback Embodied Agent for Human-Centered AI},
author = {Wenbin Ding and Jun Chen and Mingjia Chen and Fei Xie and Qi Mao and Philip Dames},
journal= {arXiv preprint arXiv:2510.24109},
year = {2025}
}