具有数字孪生的人在环工业机器人的代理神经符号规划和调试

灵活的机器人自动化需要系统能够解释操作员意图、验证物理可行性并从规划和执行阶段的执行故障中恢复。本文提出了一种用于人机循环工业机器人的代理神经符号框架，其中 LLM 用于需要语言理解或上下文推理的任务，而所有验证、排序和执行仍然是确定性的。该框架将软件工程中的规划器-生成器-评估器 (PGE) Harness模式改编为工业机器人的规范器-设计器-检查器 (SDI) 架构，并与基于 LangGraph 的动态路由相结合以实现故障恢复。两层恢复机制通过上下文感知编排解决结构级重新规划，并通过确定性恢复技能解决执行级几何故障。 Unity3D 数字孪生支持在物理执行之前进行人工检查、修改和重新验证。根据十个基线对多个难度级别的自然语言命令进行评估，所提出的方法取得了最高的任务成功率。消融结果证实，结构化命令扩展、符号验证、选择性 LLM 路由和恢复技能都是单独必要的。