摘要
大型语言模型在代码生成等领域表现优异,但在需精确操控与实时反馈的机器人底层控制中应用受限。为此,本文提出闭环模块化代码合成器框架。该框架利用预训练 LLM 无需微调即可执行模块化代码规划与生成,并通过插入调试探针迭代执行以观察行为。这种闭环结构促进了系统化的调试与优化,最终生成可执行的控制程序。实验在 RGB-D 相机校准及机械臂抓取任务中验证了该方法的高精度与自主性,展示了其在现实场景中的实用性与可扩展性。
AI 推荐理由
论文核心提出模块化代码规划与闭环调试框架,专注于机器人控制中的任务规划与生成。
研究机构
Student Member, IEEE
Member, IEEE
论文信息