水下机器人中LLM支持的分层架构视角

一篇扩展摘要提出，大语言模型在水下机器人现场任务中更适合承担高层的运行支持角色，而非合成新的底层控制律。水下试验的大量精力用于故障诊断、遥测解读、任务调整与异构资产协调，LLM可依托结构化载具状态、告警、日志、任务上下文及现有规划验证工具发挥作用。但当前在接地、一致性与因果推理上的局限使其难以保证直接控制所需的可预测性，因此建议采用分层架构：常规自主系统负责控制、感知、估计与经验证的任务执行，LLM模块作为调试、操作员交互、受限重规划支持、编排与任务后分析的附加支持层。