通过小语言模型的代码重构实现高效技能落地

有效的技能落地对于在具身智能体中部署可复用技能至关重要，因为微小的具身或环境差异可能导致技能完全不兼容。针对无法使用大语言模型且小语言模型能力不足的动态环境，本文提出了 RECENT 框架。该框架以代码重构为核心，通过将技能表示为可执行代码，解耦技能语义与特定执行绑定，仅通过局部重构修改执行绑定而非从头生成代码，从而利用小语言模型实现高效技能落地。实验表明，该方法在多种机器人具身场景中实现了鲁棒的长程控制性能。