面向开放环境中未覆盖任务的机器人 LLM 驱动闭环自主学习框架

针对开放环境中机器人需处理预定义方法未覆盖任务的问题，本文提出一种 LLM 驱动的闭环自主学习框架。该框架首先检索本地方法库，若无可用方案则触发自主学习：利用 LLM 进行高层推理以分析任务、选择模型及规划数据收集，随后通过自执行与主动观察进行学习，并将验证后的结果固化为本地知识。此闭环过程使机器人能将经验转化为可复用能力，显著降低对重复 LLM 交互的依赖，提升执行效率。