Retrieval-grounded robot program generation and simulation-based correction via Model Context Protocol
本文提出了一种基于语言模型的流水线工作流，该工作流利用双流检索增强生成和自定义的模型上下文协议（Model Context Protocol）服务器，能够根据自然语言描述自动生成、模拟并迭代修正 ABB RAPID 机器人程序，从而通过来自工业仿真软件的可执行反馈来减少领域特定错误。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代制造业的世界中，灵活性是终极目标。工厂不再仅仅是生产数百万件完全相同的产品；它们必须能够快速适应，以生产不同版本的产品，例如带天窗的汽车与不带天窗的汽车，或者尺寸略有不同的包装。为了跟上这些变化，工业机器人需要不断地进行重新编程。传统上，这是一项缓慢且困难的工作，仅限于那些掌握复杂、特定于机器语言的专家。他们必须手动编写代码，将其对照工厂车间的物理布局进行检查，并进行测试，以确保机器人不会发生碰撞或掉落零件。虽然人工智能最近在将人类想法转化为计算机代码方面展现出了潜力，但这些智能系统往往难以应对工业机械特有的、僵化的规则。它们编写的代码在屏幕上看起来可能完全正确，但一旦真实的机器人尝试移动，就会立即失败，仅仅是因为人工智能无法“看到”工厂单元的物理约束或机器人工具的具体行为。
瑞典查尔姆斯理工大学的一个研究小组开发了一种新方法来弥补这一差距，创建了一个允许使用纯英语对机器人进行重新编程，并能自动检查指令是否真正有效的系统。他们的方法结合了强大的语言模型和一个专门的仿真环境，创造了一个循环：计算机编写代码，在虚拟工厂中进行测试，然后根据结果修正自己的错误。研究人员专注于 ABB 机器人（这类机器在世界各地的工厂中广泛应用），并使用了一个“数字孪生”——即机器人及其工作空间的完美虚拟副本——来充当安全网。该系统不仅仅是生成文本，它还直接连接到仿真软件，上传代码，观察机器人的移动，并在任务失败时分析确切原因。
他们方法的核心在于两个协同工作的不同步骤。首先，系统使用了一种称为“检索增强生成”的技术。想象一名参加考试的学生，在回答问题前可以查阅教科书和一系列已解决的范例。计算机的操作也与之类似：当人类要求它“拿起一个盒子并将其放在托盘上”时，系统首先会在一个包含主要汽车制造商的官方技术手册和真实世界代码示例的数据库中进行搜索。这确保了计算机使用的是正确的、特定的机器人指令，而不是猜测或发明不存在的规则。这一步显著减少了基础性错误，例如使用错误的数据类型或拼错命令，而这些都是人工智能在尝试从零开始编写代码时常见的错误。
然而，研究人员意识到，即使是语法完美且符合所有规则的代码，在现实世界中仍可能失败。机器人可能会成功拿起一个盒子，但如果盒子比预期的要高，机器人的夹爪可能无法正常释放，或者机器人可能会卡在一个物理上无法触及的位置。为了解决这个问题，团队在语言模型和仿真软件之间建立了一个自定义连接。这个连接就像一个远程控制器，允许计算机将生成的代码上传到虚拟机器人，运行仿真，然后读回一份详细的报告。系统不仅检查代码本身，还检查机器人的行为：零件掉了吗？机器人手臂撞墙了吗？传感器检测到物体了吗？
在测试中，研究人员让这个系统应对一系列挑战。他们要求它处理诸如移动不同尺寸的盒子以及搭建积木金字塔之类的任务。在其中一个特定案例中，系统被要求移动一个高绿盒和一个矮橙盒。初始代码（由 AI 生成）对于矮橙盒运行得非常完美。然而，当同样的代码应用于高绿盒时，机器人未能释放零件，因为释放点太低，导致夹爪卡在了盒子内部。标准的计算机代码检查会完全忽略这个问题，因为指令在语法上是正确的。但由于系统运行了仿真，它看到了夹爪无法松开的情况。随后，它利用这一反馈自动调整了释放点的高度，并再次尝试，最终成功解决了问题。
结果表明，这种反馈循环至关重要。虽然通过查阅技术手册的第一步减少了许多基础错误，但正是能够在虚拟工厂中运行代码的能力，捕捉到了那些会导致现实世界失败的微妙物理错误。该系统成功识别了诸如无法触及的目标和只有在机器人实际执行任务时才会出现的尴尬动作等问题。在一次实例中，机器人的手臂在几次移动后卡在了一个困难的位置，这个问题只有在仿真运行一段时间后才变得可见。系统检测到了这一点，将机器人的位置重置到一个更安全的安全起始点，并完成了任务。
研究人员强调，该系统并不会完全取代人类工程师。虚拟工厂、工具以及特定的任务仍然需要由人类预先进行设置。该系统也不设计工厂布局或机器人的物理硬件。相反，它扮演着一名高技能助手的角色，将人类的想法快速转化为可运行的程序，并捕捉那些原本需要数小时手动调试的错误。这项研究表明，通过将代码生成直接连接到仿真环境中的任务执行，工厂可以更快地重新编程机器人，且出错率更低。这种方法为实现更具灵活性的制造提供了一条切实可行的路径，使得生产线能够在没有长时间延迟和高昂成本的情况下适应新产品。这项工作证明了，机器人编程的未来不仅在于更智能的 AI，还在于能够通过在虚拟世界中观察、测试并从自身行动中学习，然后再去接触真实世界的 AI。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。