基于大语言模型的机器人动态环境自适应导航与操作研究

摘要

现有的机器人导航系统在结构化环境里很可靠，但一进家庭、废墟这类非结构化场景就有点“死板”——
碰到没见过的障碍物经常直接卡死。我们想做的是让机器人具备一点“急智”，也就是遇到陌生障碍时能自己琢磨
出办法。具体做法是：当常规导航算法失效时，我们把激光雷达和深度相机的感知数据转成文字描述，扔给大语
言模型去判断“这东西能不能推、能不能绕、能不能跨”，然后大模型会给出一段自然语言的操作建议；我们再自
己写了一个翻译模块，把这段人话实时转成机器人能执行的控制指令。我们在三种典型场景下做了测试：移动纸
箱、跨越矮栏杆、推开软障碍，成功率都在 80% 以上。目前的问题是大模型响应偏慢（平均 2-3 秒），快速移动场
景还不太实用。