LLM引导四足机器人推挤避障规划

论文作者提出一种LLM引导的分层框架，让四足机器人在有可移动障碍物的环境中完成交互式导航与平面推挤。上层语言条件任务规划器用LoRA在合成数据上微调，把自然语言任务和结构化场景表示映射为变长参数化动作序列，由低层强化学习策略执行。 作者报告，在仿真中端到端全身平面推挤策略成功率为93.3%，分层基线为83.5%，完成时间缩短60%以上；在硬件上，分层框架在45次试验中有44次给出正确的技能组合，端到端成功34次。该工作以arXiv预印本发布，尚未经同行评议。 作者称，该框架在交互式导航任务上优于经典规划器和提示式前沿模型；这一比较结论来自作者自述，未经独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。