.png){kind=icon}
返回
A robot operating system framework for using large language models in embodied AI
.png){kind=icon}
PRE
AI
DOI：10.1038/s42256-026-01186-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自主机器人能够将自然语言指令转化为可靠的物理动作，仍然是人工智能领域的核心挑战。这里我们展示了将大型语言模型代理连接到机器人操作系统，能够实现一个适用于具身智能的灵活框架，并且我们发布了完整的实现作为免费开源代码。该代理能够自动将大型语言模型输出转化为机器人动作，支持可互换的执行模式（内联代码或行为树），通过模仿学习新的原子技能，并通过自动化优化和来自人类或环境反馈的反思持续完善这些技能。大量实验验证了该框架，展示了其在不同场景和具身形态中的鲁棒性、可扩展性和多功能性，包括长时域任务、桌面重排、动态任务优化和远程监督控制。此外，本工作中展示的所有结果均通过使用开源预训练大型语言模型实现。Mower, Wan等人介绍了ROS-LLM，一个开源系统，允许非专家通过自然语言控制机器人、从演示和反馈中学习新技能，并自动调整动作以在现实任务中实现可靠性能。
Keyword:
Computer science
Information technology
Engineering
general
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
23.9
论文数:
1.3K
被引数:
1.5W
机构
引用论文
PROGPROMPT: program generation for situated robot task planning using large language modelsProprompt: 使用大型语言模型生成用于机器人任务规划的程序.png)
AUTONOMOUS ROBOTS
OAAI
AUTONOMOUS ROBOTSIF4.3
OAAI分享收藏Symbolic planning and control of robot motion - Finding the missing pieces of current methods and ideas机器人运动的符号规划和控制-寻找当前方法和思想的缺失部分
PREAI
分享收藏
查看更多内容