CommandSwarm：机器人群的安全感知自然语言到行为树生成

自然语言界面可以使群体机器人更容易被非专家操作员使用，但它们必须将模糊的用户意图转化为可执行的群体行为，而没有不受支持的操作、畸形的程序或不安全的计划。本文介绍了 CommandSwarm，这是一种安全感知的语言到行为树管道，用于从语音或文本命令生成 XML 行为树 (BT)。该系统结合了多语言翻译、命令级安全过滤、约束提示、LoRA 适配的 大语言模型 (LLM) 以及针对可执行群体原语白名单的确定性解析器验证。我们在零样本、单样本和双样本提示下的代表性群体控制场景中评估了 11 个开放 6.7B--14B 参数 LLM，全部使用 4 位量化。 Falcon3-Instruct-10B 和 Mistral-7B-v3 是最强大的即时工程候选者，其 BLEU 分数超过 0.60，并且在几次射击设置中具有很高的语法有效性。 Falcon3-Instruct-10B 在 2,063 个示例的合成指令上的 LoRA 适应——BT 语料库将零样本 BLEU 从 0.267 提高到 0.663，ROUGE-L 从 0.366 提高到 0.692，解析器接受的语法有效性从 0% 提高到 72%。翻译实验进一步表明，SeamlessM4T v2-large 和 EuroLLM-9B 为多语言前端提供了最佳的质量与延迟权衡。结果表明，紧凑、量化、领域适应的 LLM 在嵌入经过验证的系统管道中时可以生成有用的群体 BT。他们还表明，解析器接受和安全过滤仍然是必要的执行门；仅生成质量不足以实现自主部署。