aiedtechhigher educationlearning designknowledge building

IROSA：利用自然語言進行互動式機器人技能適應

arXiv - Human-Computer InteractionMarkus Knauer, Samuel Bustamante, Thomas Eiband, Alin Albu-Sch\"affer, Freek Stulp, Jo\~ao Silv\'erio

提出一種工具基礎架構，讓大型語言模型在不需微調的情況下，透過自然語言指令即時調整機器人技能，並保持安全與可解釋性。

AI 幫你先抓重點

AI 重點 1

工具基礎架構與保護抽象層的設計

滑鼠懸停看 AI 判斷理由
此設計解決了LLM直接控制機器人可能帶來的安全風險，並提供可擴充的模組化介面，對於工業應用至關重要。
AI 重點 2

自然語言指令即時調整速度、軌跡與避障的能力

滑鼠懸停看 AI 判斷理由
展示了LLM在實際機器人任務中的即時互動潛力，證明語言介面能降低操作門檻，提升人機協作效率。

核心研究發現

  1. 1

    利用預訓練LLM選擇並參數化工具，實現開放詞彙的技能適應，避免直接模型-機器人互動。

  2. 2

    在7自由度扭矩控制機器人上，成功執行工業軸承安裝任務，並能透過語言指令調整速度、軌跡與避障。

  3. 3

    架構中加入保護抽象層，確保語言模型輸出不會直接驅動硬體，提升安全性。

  4. 4

    系統展示了在有限數據環境下，結合模仿學習與LLM可快速適應新任務，減少訓練成本。

  5. 5

    實驗結果顯示，使用者可透過自然語言即時調整機器人行為，且系統保持透明與可解釋性，符合工業部署需求。

對教育工作者的啟發

此框架示範了如何將大型語言模型嵌入機器人控制流程，並透過工具抽象層保障安全。對教育科技工作者而言，可借鑑其模組化設計，將自然語言介面應用於實驗室機器人教學，降低學生操作難度，提升學習動機與實作效率。

原始文獻資訊

英文標題：
IROSA: Interactive Robot Skill Adaptation using Natural Language
作者：
Markus Knauer, Samuel Bustamante, Thomas Eiband, Alin Albu-Sch\"affer, Freek Stulp, Jo\~ao Silv\'erio
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。