MAPE-K双AI框架让四足机器人用自然语言意图生成可执行代码，有限任务稳健而开放式穷举搜索仍受认知限制
核心概要
该工作提出一个受MAPE-K启发的双AI架构，由LLM把高层自然语言意图翻译成受机器人函数库约束的可执行Python代码，VLM通过蒸馏提供开放式语义接地，并以几何与语义阈值触发重规划；在Gazebo四足机器人探索任务上对三个前沿模型基准测试，有限任务成功率高，开放式穷举任务成功率下降，失败集中在语义接地、完整性判断与终止控制而非底层动作执行。
Figure 1: MAPE-K influenced framework architecture for autonomous robots resolving user intentions in dynamic and unstructured environments.
arXiv深度剖析
提出一个受MAPE-K启发的架构框架，将机器人适应过程分解为监控、分析、规划、执行与知识管理五个阶段，用共享世界状态作为stigmergic媒介驱动适应。 相对以低层控制、符号规划与规则系统为主的传统机器人范式，该框架把自然语言意图作为任务规格，并把生成式AI嵌入带反馈的自适应回路，而非依赖设计时完全指定的封闭世界任务模型。 论文以架构描述与证明性实现支撑，并在Gazebo仿真中通过ROS 2连接各组件进行验证；框架设计针对分类学缺口、形式化缺口与时间状态问题三类挑战。
将LLM与VLM集成进受约束的自适应反馈回路：LLM生成受预定义机器人原语库限制、可做语法验证的Python 3工作流，VLM对LiDAR几何聚类得到的AABB实体做异步语义富集，并以标签频率分布抑制瞬时幻觉。 相对仅用固定分类器或封闭集目标分类的做法，该设计把几何接地与语义识别解耦，使机器人无需预定义分类库即可推理此前未识别物体；同时把意图到代码的转换作为非确定性语言与确定性执行之间的形式桥梁。 感知层用顺序聚类、动态距离阈值、密度阈值与EMA维护AABB稳定性；语义层用VLM估计物理足迹并与LiDAR hitbox做空间连接，仅将最高频标签送入认知组件。
用三类事件驱动触发条件（新物体、几何变化、语义发现）决定何时调用LLM重规划，并通过可快照、可热重载的栈式不可变虚拟机在执行中途保留指令指针与变量绑定，缓解时间状态问题。 相对每次环境变化就重置任务或丢失执行进度的生成式控制器，该机制让机器人在环境变化时保留已完成子任务、失败动作与待办目标的区分，实现状态感知的中途适应。 触发条件以数学形式定义，包括基于历史面积增长条件的几何触发与基于最高频标签变化的语义触发；执行器由CPython编译与自定义虚拟机组成，快照包含当前指令、变量绑定、函数参数与调用栈。
在四足机器人探索任务基准上跨三个前沿模型评估，有限任务成功率高，开放式任务成功率更不稳定；Qwen3.5与Kimi-K2.5总体成功率约82%，明显高于GPT-5-nano约46%，且Qwen3.5推理时延最短。 相对只报告单一模型结果的做法，该跨模型矩阵用于说明自适应回路的可靠性是架构属性而非特定生成模型属性，并区分了目标导向导航与语义探索两种操作模态。 每个任务评估三次；有限任务中多数配置SR为1.00，开放式任务中每个任务至少被一个模型在三次中成功两次；作者说明每模型最多三次尝试限制了统计稳健性，这是计算与人工评估协议下的权衡。
启示与展望
该框架面向在未知、非结构化环境中接收高层用户意图而非显式程序的自适应机器人，适用于需要空间与时间推理、可执行代码生成与多步状态跟踪的探索任务。评估在Gazebo仿真中通过ROS 2进行，机器人配备640x480 RGB相机与360°、512射线的2D-LiDAR，环境分为全可见与增量发现两类，任务分为有限与开放式两类，模态分为目标导向导航与语义探索。作者指出后续将用形式状态机验证替代简单执行指针，并探索多机器人协同以在大型未建图环境中扩展集体语义理解。
每模型每任务最多三次尝试，作者明确说明这限制了统计稳健性；开放式任务中模型难以估计环境完整性，导致覆盖不全、过早终止或重复访问已探索物体。论文将开放式任务性能下降主要归因于穷举搜索的认知限制，而非无效控制命令或执行错误。感知层依赖VLM标签频率分布抑制幻觉，其在不同场景与传感器条件下的稳定性仍需观察。形式状态机验证与多机器人协同被列为后续工作，尚未在本文中评估。