维度网讯，中国科学院沈阳自动化研究所科研团队针对工业制造机器人规划模型失效问题，提出一种AI大语言模型驱动的规划域生成与闭环修复方法。

在工业智能制造场景中，采用AI大语言模型生成的工业制造机器人运动规划方案，常常出现规划逻辑推演符合要求、仿真结果无明显漏洞，但落地实际执行阶段频频失效的情况。科研人员指出，规划模型如同机器人的任务说明书，文本表述稍有疏漏，便容易导致机器人理解偏差、执行走样。若模型内前置条件、动作成效等语义描述与现场真实环境存在细微出入，极易产生故障。尤其在复杂制造环境中，任务流程长、动作关联强、现场扰动多，规划模型与物理环境之间的“理解差距”成为影响系统稳定运行和效率的关键因素。传统做法依赖人工排查、反复试错和凭经验修补，难以适应柔性制造场景中频繁变化的任务需求。

研究团队提出的新方法，从大语言模型生成的初始规划入手，筛选出具有代表性的执行轨迹，再结合真实环境中的执行反馈，对比“规划预测结果”与“实际执行情况”，找出模型里的“理解偏差”，并引导模型逐步修正完善。据科研团队介绍，该方法并非让机器人通过大量随机试错去“撞”出正确答案，而是让模型通过少量有效反馈，学习掌握“哪里写错、如何修改”，以提高精准度和效率，同时满足工业现场对稳定性、效率和成本的实际要求。

该研究不仅使单个规划任务的执行更可靠，还为工业制造机器人建立了一套“适应真实环境”的持续修正机制，使机器人从“能自动生成规划模型”转向“让规划模型在真实环境中可用”。这一方法为AI大语言模型驱动的制造自动化系统提供了可靠的技术提升路径，并为智能制造场景中机器人自主决策和执行任务提供了支撑。