【儀表網(wǎng) 研發(fā)快訊】在智能制造領(lǐng)域，基于符號(hào)規(guī)劃的機(jī)器人任務(wù)部署，長(zhǎng)期受制于脆弱、易出錯(cuò)的領(lǐng)域模型。盡管大語(yǔ)言模型(LLM)可以快速生成規(guī)劃領(lǐng)域定義語(yǔ)言(PDDL)，但常隱含前置條件不足、動(dòng)作效果缺失等細(xì)微缺陷，導(dǎo)致規(guī)劃方案語(yǔ)法合規(guī)、物理執(zhí)行卻頻頻失敗，形成難以跨越的 “語(yǔ)義鴻溝”，嚴(yán)重制約機(jī)器人自動(dòng)化的穩(wěn)定性。
 

　　針對(duì)這一痛點(diǎn)，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所工業(yè)控制網(wǎng)絡(luò)與系統(tǒng)研究室科研團(tuán)隊(duì)，提出了一套軌跡引導(dǎo)式領(lǐng)域修復(fù)框架，實(shí)現(xiàn)符號(hào)規(guī)劃模型與物理真實(shí)場(chǎng)景的精準(zhǔn)對(duì)齊。
 

　　該框架采用了兩階段閉環(huán)優(yōu)化：首先通過(guò)迭代束寬搜索，篩選高價(jià)值精簡(jiǎn)軌跡，最大限度減少機(jī)器人與環(huán)境的交互成本；其次對(duì)執(zhí)行失敗精準(zhǔn)歸因，區(qū)分前置條件缺陷與上游動(dòng)作影響，生成結(jié)構(gòu)化提示引導(dǎo)大語(yǔ)言模型完成模型自動(dòng)修復(fù)。
 

　　該方法在 12 組基準(zhǔn)測(cè)試中完成了驗(yàn)證，覆蓋工業(yè)仿真與實(shí)體機(jī)器人場(chǎng)景，最終實(shí)現(xiàn)71.2% 的執(zhí)行成功率，在同等標(biāo)準(zhǔn)下超越所有對(duì)比方法，達(dá)到當(dāng)前最優(yōu)水平。同時(shí)，該方案交互成本大幅降低，單任務(wù)平均僅需 231 次環(huán)境交互，相較傳統(tǒng)探索式方法減少近一個(gè)數(shù)量級(jí)，實(shí)用性顯著提升。
 

　　本研究為打通高層符號(hào)推理與底層物理執(zhí)行提供了可行路徑，可有效提升復(fù)雜制造場(chǎng)景下，大語(yǔ)言模型驅(qū)動(dòng)的自動(dòng)化系統(tǒng)可靠性，為智能機(jī)器人、柔性生產(chǎn)線、高端智能制造的落地應(yīng)用提供了關(guān)鍵技術(shù)支撐。
 

　　該研究成果近期以Bridging the Semantic Gap: Trajectory-Guided Domain Repair for Reliable Planning為題在線發(fā)表于國(guó)際期刊Robotics and Computer-Integrated Manufacturing。博士研究生劉銳楷為論文第一作者，曾鵬研究員、萬(wàn)廣喜副研究員為通訊作者。該研究得到了國(guó)家自然科學(xué)基金、遼寧省自然科學(xué)基金、沈陽(yáng)自動(dòng)化所基礎(chǔ)研究計(jì)劃重點(diǎn)項(xiàng)目的支持。(工業(yè)控制網(wǎng)絡(luò)與系統(tǒng)研究室)