CoRAL：面向机器人操作的接触丰富型自适应大语言模型控制

针对大语言模型缺乏物理落地能力难以直接用于接触丰富型操作的问题，本文提出 CoRAL 框架。该框架通过解耦高层推理与底层控制实现零样本规划，利用 LLM 设计上下文感知的目标函数而非直接控制。引入神经符号自适应循环，结合视觉语言模型的语义先验与在线系统辨识实时修正物理参数，并通过检索记忆复用策略。实验表明，该方法在未见过的复杂接触场景中成功率显著提升，有效弥合了仿真与现实的差距。