T3 Planner：一种用于时序逻辑机器人运动规划的自纠正 LLM 框架
机器人学
2025-10-21 v1
摘要
将自然语言指令翻译为可执行的运动计划是机器人中的一个基本挑战。传统方法通常受限于依赖特定领域知识来定制规划器，常在时空耦合方面难以处理，导致运动不可行或任务规划与执行之间存在差异。尽管大型语言模型 (LLM) 在高层语义推理方面表现出色，但会因幻觉而产生不可行的运动计划。本文引入 T3 Planner，一种 LLM 驱动的机器人运动规划框架，能够通过形式化方法自行纠正输出。该框架通过三个级联模块分解时空任务约束，每个模块都激发 LLM 生成候选轨迹序列，并通过信号时序逻辑 (STL) 验证器检验其可行性，直到找到满足复杂空间、时间和逻辑约束的轨迹。实验表明，T3 Planner 在不同情境下显著优于基线方法。所需推理可压缩为轻量级 Qwen3-4B 模型，实现高效部署。所有补充材料均可访问于 https://github.com/leeejia/T3_Planner。
引用
@article{arxiv.2510.16767,
title = {T3 Planner: A Self-Correcting LLM Framework for Robotic Motion Planning with Temporal Logic},
author = {Jia Li and Guoxiang Zhao},
journal= {arXiv preprint arXiv:2510.16767},
year = {2025}
}