新知特寫

首頁> 新知特寫> 新型演算法協助機器人具備更貼近人類的規劃與動作能力
新型演算法協助機器人具備更貼近人類的規劃與動作能力 BrainBody-LLM Algorithm Helps Robots Mimic Human-like Planning and Movement
大型語言模型(Large Language Models, LLMs)近年在語言生成與推理上展現強大能力,但如何讓機器人真正理解並執行人類指令,仍是機器人領域的重要挑戰。其中一項關鍵因素是現有機器人控制架構缺乏彈性,在複雜任務下容易受限,也無法像人類般在行動途中持續調整動作。紐約大學坦登工程學院(NYU Tandon School of Engineering)研究團隊受到人類「大腦規劃、身體微調」的運作方式啟發,提出創新的 BrainBody-LLM 演算法。該演算法由兩個語言模型構成:Brain LLM 負責將任務分解成一連串可執行的步驟,而 Body LLM 則把這些步驟轉換為機器人可操作的控制指令。整體架構採用閉迴路設計(closed-loop architecture),能持續接收環境回饋並自動修正錯誤,使兩個模型在執行過程中動態協作,進而提升行動的穩定性。研究團隊分別在模擬環境與實體機械手臂上測試此演算法。結果顯示,在模擬情境中,其任務完成率比現有方法高出 17%;而在實體測試中,機械手臂亦展現優異的執行可靠性。未來,研究團隊將導入 3D 視覺、深度感測(depth sensing)與關節控制等多模態資訊,使機器人具備更貼近人類的動作能力,並逐步擴展其應用範疇。
2025/11/28
https://techxplore.com/news/2025-11-brainbody-llm-algorithm-robots-mimic.html
TechXplore
薛孝亭