摘要
基础模型展现了跨领域能力，而模仿学习提供了从有限数据中适应机器人技能的方法。本文提出一种新框架，通过基于工具的架构实现开放词汇的技能适应，并在语言模型与机器人硬件间保持保护性抽象层。该方法利用预训练大语言模型选择和参数化特定工具以调整机器人技能，无需微调或直接模型交互。在七自由度力控机器人上的工业轴承环插入任务实验表明，该框架能通过自然语言指令成功实现速度调整、轨迹修正及避障，同时确保安全性和可解释性。
AI 推荐理由
论文核心在于利用 LLM 选择和参数化工具以实现机器人技能适应，直接对应技能学习主题。
研究机构
IEEE Student Member
德国慕尼黑工业大学
IEEE Fellow
IEEE Member
论文信息