RPMS：通过规则增强记忆协同提升基于LLM的具身规划

LLM智能体在封闭世界具身环境中经常失败，因为动作必须满足严格的前置条件——如位置、库存与容器状态——且失败反馈稀疏。我们识别出两种结构性耦合的失效模式：（P1）无效动作生成与（P2）状态漂移，二者在退化循环中相互放大。我们提出RPMS，一种冲突管理架构，通过结构化规则检索强制动作可行性，通过轻量信念状态控制记忆的适用性，并通过规则优先仲裁化解两个来源之间的冲突。在ALFWorld（134个未见任务）上，RPMS使用Llama 3.1 8B达到59.7%的单次尝试成功率（比基线高23.9个百分点），使用Claude Sonnet 4.5达到98.5%（高11.9个百分点）；在8B模型的增益中，仅规则检索就贡献了+14.9个百分点（具有统计显著性），是主导因素。一个关键发现是情节记忆是有条件有用的：在不加接地的情况下使用时，它会损害某些任务类型的性能；但一旦经当前状态过滤并受显式动作规则约束，它就变成稳定的净收益。将RPMS适配到使用GPT-4的ScienceWorld，在所有消融条件下均取得一致增益（平均分54.0，而ReAct基线为44.9），提供了核心机制在结构不同环境中依然成立的迁移证据。