智能家居双阶段意图分析：先过滤指令，再核验执行条件

随着大语言模型（LLM）从信息提供者转变为物联网（IoT）中的具身智能体，它们在可靠性与交互效率方面面临重大挑战。直接执行LLM生成的指令常常导致实体幻觉（例如试图控制不存在的设备）。与此同时，现有的迭代式框架（如SAGE）则苦于交互频率困境，在鲁莽执行与过度询问用户之间来回摇摆。为解决这些问题，我们提出双阶段意图感知（Dual-Stage Intent-Aware，DS-IA）框架。该框架将高层用户意图理解与低层物理执行分离。具体而言，阶段1充当语义防火墙，通过检查家庭当前状态来过滤无效指令并消解模糊命令。阶段2随后采用确定性级联验证器——一个按顺序核验房间、设备与能力的严格逐步规则检查器——以确保动作在执行前确实物理可行。在HomeBench和SAGE基准上的大量实验表明，DS-IA达到58.56%的精确匹配（EM）率（超越基线28%以上），并将无效指令的拒绝率提升至87.04%。在SAGE基准上的评估进一步显示，DS-IA通过平衡主动询问与基于状态的推理解决了交互频率困境。具体而言，它将自主成功率（在不必要用户干预的情况下解决任务）从42.86%提升至71.43%，同时在识别真正需要人类澄清的不可约歧义方面保持高精度。这些结果凸显了该框架通过准确的环境状态核对将用户打扰最小化的能力。