Large Language Models and Agentic AI Architectures for Aerial and Ground Robots: A Systematic Review, Taxonomy, and Design Guidelines
本系统综述通过分析 124 项研究，建立了将大语言模型与智能体 AI 集成到空中及地面机器人中的六种架构模式分类法，并提供了优先考虑任务动态、安全性及部署约束而非基准测试得分的设计指南，同时强调了当前在机载推理与物理验证方面的局限性。
原始论文采用 CC BY 4.0 许可（https://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
想象一个能够理解像“在公园里寻找丢失的狗”这样简单的句子，并能自主构思执行步骤的机器人。几十年来，机器人在遵循严格、预设指令方面表现出色，但在面对环境变化或被要求执行未经明确编程的任务时却显得力不从心。最近，一种被称为“大语言模型”的新型计算机大脑出现了。这些系统正是那些能够创作故事、回答问题和进行对话的强大系统。科学家们已开始尝试将这些语言大脑与物理机器人连接起来，希望赋予机器像人类一样推理、规划和适应的能力。这种语言理解与物理运动的融合是现代机器人技术的尖端领域，预示着机器将在从灾区到繁忙城市街道等不可预测的环境中开展工作。
伦敦东英格兰大学的研究员阿卜杜勒-拉赫曼·马哈茂德（Abdelrahman Mahmoud）最近深入研究了这一过程究竟是如何发生的。他并没有亲自制造一个新的机器人；相反，他扮演了一个快速扩张且略显混乱的领域的制图师。他收集并分析了 2020 年 1 月至 2026 年 4 月期间发表的 124 项不同的科学研究，涵盖了被称为无人机的飞行机器人和地面车辆。他的目标是绘制出工程师目前将这些语言大脑连接到机器人躯体上的不同方式，并了解哪些方法最适合哪些工作。其结果为这个领域描绘了一幅清晰的图景：该领域正从追求单一、全能的机器人大脑，转向一种更务实的、基于团队协作的方法。
研究发现，当今最成功的机器人并不依赖一个巨大的模型来完成所有事情。相反，它们使用一种混合系统，由机器人的不同部分处理不同的任务。语言模型充当高级指挥官。它倾听人类的要求，将其分解为较小的步骤，并决定下一步需要做什么。然而，在涉及实际物理操作时，机器人则依赖于更古老、更专业的工具。例如，虽然语言模型可能会决定机器人需要“寻找一扇红门”，但实际上通过摄像画面识别出红门的，是另一个专门的高级计算机视觉程序。同样，虽然语言模型可能会规划路径，但真正让机器人不撞墙或不掉下悬崖的，是传统的飞行控制器或轮式控制器。研究表明，试图利用语言模型来进行移动所需的精确、瞬时数学运算，目前仍然过于缓慢且容易出错。
马哈茂德确定了构建这些系统的六种主要方式，其复杂度从简单到复杂不等。最简单的设计是单向路径：机器人看到某物，语言模型制定计划，然后机器人执行计划而不进行回溯。这在安静房间内的简单任务中效果良好，但如果机器人撞到了意料之外的东西，就会陷入停滞。更先进的设计增加了反馈循环，允许机器人检查自己的工作，并在出现问题时更改计划。最复杂的系统使用层级结构，其中一个中央语言模型充当管理者，将诸如“看这里”或“移到那里”等具体任务委派给专门的子团队。一些研究人员甚至正在测试多台机器人相互交流的系统，每台机器人都有自己的基于语言的大脑，以共同解决问题。尽管目前有一些关于试图同时实现视觉、思考和移动的一体化全能模型的兴奋感，但研究发现，这类模型仍然很少见，且往往不如混合方法可靠。
该分析还强调了计算机模拟中的机器人与现实世界中机器人之间存在的显著差距。在所评审的 124 项研究中，只有 44 项在物理机器人上进行了测试。其余的研究都依赖于模拟，模拟虽然有助于测试想法，但往往隐藏了现实世界中混乱且不可预测的问题。此外，研究指出，尽管这些机器人变得越来越聪明，但在处理人类认为容易的事情时——例如准确理解物体在三维空间中的位置，或在不犯错的情况下规划长序列动作——仍然表现挣扎。它们有时会产生“幻觉”，虚构出不存在的物体或步骤，这就是为什么安全检查和人工监督仍然至关重要。
最终，这项综述表明，智能机器人的未来不在于用一个神奇的大脑取代人类工程师，而在于建立更好的团队。最有效的机器人似乎是那些将语言模型的灵活性、创造性推理与传统机器人软件的精确、可靠速度相结合的机器人。研究中的飞行机器人侧重于从高空观察大面积区域，而地面机器人则侧重于与附近的物体和人进行交互，但两者都遵循同一个基本原则：让语言模型决定“什么”和“为什么”，但让专门的、经过验证的系统处理“如何做”。随着这项技术的成熟，挑战将在于如何使这些系统更快、更安全，并能够在复杂、混乱的现实世界中工作，同时又不失去维持其不造成伤害的可靠性。
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。