MaCoPlanner：LLM 辅助手动编译的任务规划，具有针对机器人工业面板操作的主动安全验证

机器人工业面板操作不仅需要精确的控制定位，还需要遵守分布在异构手册中的操作程序、安全规则和设备状态约束。这项研究提出了 MaCoPlanner，一个基于从设备手册编译的知识构建的任务规划框架，它将设备手册转换为类型化的中间表示，检索任务和状态相关的证据，并用它来支持计划生成。在启动之前，候选计划将被象征性地推出并根据程序和状态转换限制进行检查；检测到的违规行为被定位并返回进行有针对性的修复，而未解决的计划将被拒绝。单独的执行接口将经过验证的符号操作基于物理控制并更新设备状态。在独立评估预言机下，MaCoPlanner 最终违规率为 2.7%，修复分析中 26.3% 的运行在用尽细化预算后被拒绝。与 Raw-Manual 相比，2 级任务的任务成功率从 62.8% 提高到 84.4%，3 级任务的成功率从 25.9% 提高到 43.2%。在没有附加工业负载的控制器面板模拟器上进行的实验进一步证明了在代表性交互条件下集成执行的可行性，而无需声明工业部署准备就绪。