<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>IMR | 行业新闻_制造（点击查看更多）</title><description>搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产  零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）</description><link>https://zhizao.hangyexinwen.com</link><item><title>⁣📰 江苏参建的科研机构斩获全球顶级论文奖项_中共江苏省委新闻网本次报道聚焦ICRA 2026上，一项由中国科学院工业人工智能研究所物理智能团队与深圳大学等合作的论文荣获自动化方向最佳论文奖</title><link>https://zhizao.hangyexinwen.com/posts/10875</link><guid isPermaLink="true">https://zhizao.hangyexinwen.com/posts/10875</guid><pubDate>Sat, 13 Jun 2026 02:28:28 GMT</pubDate><content:encoded>⁣&lt;br /&gt;&lt;b&gt;&lt;i&gt;&lt;b&gt;📰&lt;/b&gt;&lt;/i&gt; 江苏参建的科研机构斩获全球顶级论文奖项_中共江苏省委新闻网&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;本次报道聚焦ICRA 2026上，一项由中国科学院工业人工智能研究所物理智能团队与深圳大学等合作的论文荣获自动化方向最佳论文奖。论文提出IMR-LLM框架，将大语言模型在工业产线应用分为两步走：先理解任务需求、分解工序并完成机器人分配，生成流程图以明确“哪台机器人何时完成哪部分任务”；再对流程图每个节点的工序编写详细代码，指导机器人具体操作，从而显著降低推理负担并提升流程最优性与生产效率。为验证方法，研究团队建立了覆盖23个真实工业场景、50个制造任务的数据集，任务涵盖不同产线布局与多机器人协作，最高可包含24道工序。实验结果显示，该方法在各项指标上优于现有方法，且随着任务复杂度的提升优势更明显。未来，团队计划在IMR-LLM框架中加入执行反馈，构建感知—推理—执行—纠错的闭环系统，以提升对突发故障和需求变化的鲁棒性，推动大语言模型在更复杂工业场景的落地应用。&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🏷️&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;/search/%23%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B&quot;&gt;#大语言模型&lt;/a&gt; &lt;a href=&quot;/search/%23%E5%B7%A5%E4%B8%9AAI&quot;&gt;#工业AI&lt;/a&gt; &lt;a href=&quot;/search/%23IMR&quot;&gt;#IMR&lt;/a&gt;-LLM &lt;a href=&quot;/search/%23%E5%A4%9A%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%8D%8F%E4%BD%9C&quot;&gt;#多机器人协作&lt;/a&gt; &lt;a href=&quot;/search/%23%E5%B7%A5%E4%B8%9A%E5%9C%BA%E6%99%AF&quot;&gt;#工业场景&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🔗&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://www.zgjssw.gov.cn/yaowen/202606/t20260613_8578087.shtml&quot; target=&quot;_blank&quot;&gt;原文链接&lt;/a&gt;</content:encoded></item></channel></rss>