使用语法约束的 大语言模型 精确理解机器人命令

工业环境中的人机协作需要精确可靠的通信来提高运营效率。虽然 大语言模型 (LLM) 理解通用语言，但它们通常缺乏安全且可执行的工业命令所需的特定领域的刚性。为了解决这一差距，本文介绍了一种新颖的语法约束 LLM，它将语法驱动的自然语言理解 (NLU) 系统与微调的 LLM 集成在一起，从而实现机器人技术所需的会话灵活性和确定性精度。我们的方法采用两阶段过程。首先，经过微调的 LLM 对自然语言输入执行高级上下文推理和参数推断。其次，结构化语言模型 (SLM) 和基于语法的规范化器限制了 LLM 的输出，迫使其采用由有效动作框架和命令元素组成的标准化符号格式。此过程保证生成的命令有效且以机器人可读的 JSON 格式构建。所提出模型的一个关键特征是验证和反馈循环。语法解析器根据预定义的可执行机器人操作列表来验证输出。如果命令无效，系统会自动生成纠正提示并重新启用 LLM。这种迭代的自我修正机制允许模型从初始解释错误中恢复，以提高系统的鲁棒性。我们根据两个基线评估我们的语法约束混合模型：基于 API 的微调 LLM 和独立的语法驱动的 NLU 模型。使用人机交互语料库（HuRIC）数据集，我们证明了混合方法实现了卓越的命令有效性，从而促进了更安全、更有效的工业人机协作。