扩展摘要提出LLM在水下机器人中作辅助层

Federico Celi、Leonardo Zacchini、Gabriele Ferri 发表扩展摘要，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运行支持，而非合成底层控制律。作者称，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。 作者同时指出，LLM 在接地、一致性与因果推理上的当前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。 该文为在 I-RIM 3D 2026 第30号工作坊展示的扩展摘要，属观点性论述，未报告实机验证结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。