📰 中国团队拿下ICRA'26最佳论文：Agentic Coding驱动工业制造通往自主通用智能 - 智源社区
在ICRA 2026上，IMR-LLM方法荣获最佳论文奖（自动化方向）。该框架由深圳大学胡瑞珍团队与中科院等单位联合开发，核心是让大语言模型负责对工业产线多机器人任务的语义理解，再通过结构化工具实现约束求解与可执行性保障，将自然语言任务描述转化为高效的调度和可执行代码。系统分为两阶段：1) 任务规划：将任务分解为工序，完成机器人分配与工序顺序，输出结构化析取图并求解可行调度；2) 程序生成：基于少量样例抽象出可复用的动作模式与流程树，从路径匹配中生成具体执行代码，降低长代码生成难度。实验在IMR-Bench数据集（23个场景、50个任务、最高24道工序）上显示，在任务规划、程序生成与总体成功率等指标上显著优于基线，且复杂度越高优势越明显。论文亦验证了真机部署与跨产线泛化能力，强调将语言理解与结构化求解相结合的创新思路，并提出未来构建“推理-执行-纠错”闭环以增强对硬件故障与需求变化的自适应能力。该研究同时提供了IMR-Bench数据集，推动大模型在工业场景的落地应用。
🏷️ #多机器人 #任务规划 #程序生成 #大语言模型 #工业应用
🔗 原文链接
📰 中国团队拿下ICRA'26最佳论文：Agentic Coding驱动工业制造通往自主通用智能 - 智源社区
在ICRA 2026上，IMR-LLM方法荣获最佳论文奖（自动化方向）。该框架由深圳大学胡瑞珍团队与中科院等单位联合开发，核心是让大语言模型负责对工业产线多机器人任务的语义理解，再通过结构化工具实现约束求解与可执行性保障，将自然语言任务描述转化为高效的调度和可执行代码。系统分为两阶段：1) 任务规划：将任务分解为工序，完成机器人分配与工序顺序，输出结构化析取图并求解可行调度；2) 程序生成：基于少量样例抽象出可复用的动作模式与流程树，从路径匹配中生成具体执行代码，降低长代码生成难度。实验在IMR-Bench数据集（23个场景、50个任务、最高24道工序）上显示，在任务规划、程序生成与总体成功率等指标上显著优于基线，且复杂度越高优势越明显。论文亦验证了真机部署与跨产线泛化能力，强调将语言理解与结构化求解相结合的创新思路，并提出未来构建“推理-执行-纠错”闭环以增强对硬件故障与需求变化的自适应能力。该研究同时提供了IMR-Bench数据集，推动大模型在工业场景的落地应用。
🏷️ #多机器人 #任务规划 #程序生成 #大语言模型 #工业应用
🔗 原文链接
