摘要
针对机器人系统操作复杂及自然语言指令存在歧义的问题，本文提出了一种增强的任务规划架构。该架构利用大语言模型（LLM）将自然语言描述转化为精准农业任务计划，并引入线性时序逻辑（LTL）作为多重反馈循环的核心，以确保生成的计划严格符合用户规范。为减少偏差，系统采用两种不同的商业 LLM 分别负责规范生成与验证子任务。实验结果表明，该方法有效解决了 LLM 生成 LTL 公式的局限性，实现了具备形式化验证能力的全自动任务规划流程。
AI 推荐理由
论文核心在于利用 LLM 进行任务规划，并引入形式化验证解决自然语言歧义问题。
研究机构
University of California, Merced, CA, USA
论文信息