基于大语言模型的反馈纠正下机器人组装任务规划与实现

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：禹鑫燚, 王崇超, 孙肖遥, 欧林林, 魏岩, 周利波

单位：浙江工业大学 信息工程学院，杭州 310014；

摘要：针对拥有视觉能力的大语言模型（large language model，LLM）直接应用于多步骤自动化组装任务时，常存在的操作步骤规划错误和识别不正确等问题，提出一种引入反馈纠正的多模态提示集成的多步骤任务规划方法。提出一种基于对象特征的思维推理方法，使得LLM通过一步推理能够准确识别复杂对象，并通过多轮交互提示框架，进一步提高LLM对输入任务（组装说明书）的识别稳定性；设计了一种基于组装任务技能提示并融合CS-FOON的规划验证与反馈的机器人规划方法，实现准确、稳定的多步骤机器人自动组装任务规划。通过在Unity模拟环境中搭建多个组装任务场景，并利用机械臂进行组装操作来验证方法的有效性。实验结果表明，与其他基于大语言模型的规划方法相比，该框架使大语言模型在多个任务中的工具识别上达到98.7%的成功率，平均提升22.0个百分点；在任务规划上达到84.0%的成功率，平均提升45.0个百分点。

关键词：大语言模型,任务规划,机器人,思维链,组装任务

基金资助：浙江省自然科学基金白马湖实验室联合基金（LBMHD24F030002）；国家自然科学基金（62373329）；浙江省自然科学基金（LZ25F030003）。