Interpretable Robot Control via Structured Behavior Trees and Large Language Models-创锋一号

论文核心内容与创新点总结及关键部分翻译

该论文聚焦智能机器人在人类环境中的应用痛点，即传统机器人控制方法需用户适应特定界面或记忆预设指令，在动态非结构化环境中可用性受限，由此提出一种将大型语言模型（LLMs）与行为树（BTs）相结合的新型框架，旨在实现更直观、可靠的人机交互（HRI）。

机器人与驱动模块：作为高层决策逻辑与物理机器人间的接口，实现硬件特定的原子操作（如起飞、降落等），支持波士顿动力Spot®腿式机器人和大疆Tello无人机等平台，且可轻松扩展至其他机器人。
LLM接口模块：基于ROSA架构扩展，接收用户自然语言指令后，借助GPT - 4o模型将其解析为结构化动作指令，具备自主行为选择、多模态人机交互支持、故障推理和与行为树的结构化控制集成四大扩展功能。
行为树结构：以离散执行周期（“ ticks ”）运行，从根节点遍历子节点，每个节点关联特定行为模块，通过行为映射函数确定任务对应的行为，实现分层、响应式的控制流程，确保高层用户意图与低层机器人执行的一致。
行为模块：以ROS2节点形式存在，未被LLM解析的查询触发时处于 inactive 状态，触发后协调低层级控制动作并向行为树反馈节点状态更新，文中重点测试了人体跟踪和手势控制两种模块。