Justus Flerlage

四足机器人探索未知环境时，不再依赖预先写死的指令库，而是把用户的高层意图交给大语言模型写成受限于机器人函数库的可执行程序，由视觉语言模型提供开放语义标注，并用几何与语义阈值触发重规划。在Gazebo仿真中，Qwen3.5与Kimi-K2.5的总体成功率约82%，GPT-5-nano约46%；有限任务表现稳健，开放式任务的成功率波动更大。

四足机器人探索未知环境时，不再依赖预先写死的指令库，而是把用户的高层意图交给大语言模型写成受限于机器人函数库的可执行程序，由视觉语言模型提供开放语义标注，并用几何与语义阈值触发重规划。在Gazebo仿真中，Qwen3.5与Kimi-K2.5的总体成功率约82%，GPT-5-nano约46%；有限任务表现稳健，开放式任务的成功率波动更大。

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。

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。