LLM 引导的四足机器人平面移动-操作规划

研究提出一种语言条件任务规划器，用 LoRA 在合成数据上微调，将自然语言任务与结构化场景表示映射为变长参数化动作序列，由低层强化学习策略执行，联合选择技能、目标物体与几何目标。低层端到端全身平面推挤策略在仿真中成功率达 93.3%，高于分层基线的 83.5%，完成时间缩短 60% 以上。硬件实验中分层方法在 44/45 次试验中给出正确技能组合，端到端成功 34/45。