SLoSa 用验证器引导训练小型安全机器人规划器，并给出功耗数据。
资讯摘要
论文提出 SLoSa，一个神经符号压缩与微调框架，用于训练体积小、功耗低且具备安全意识的机器人任务规划基础模型。框架先用经典规划器、教师 LLM 和形式验证器构建安全数据集，再经监督微调与由验证奖励机引导的强化学习微调。作者报告在四个 PDDL 域中，验证器引导的后训练使 4B–14B 紧凑规划器成功率升至 70.5–76.0%，INT4 部署于 Jetson Orin 平均功耗 17.85–26.41 W。
要点速读
- 框架结合经典规划器、教师 LLM 与形式验证器构建安全感知数据集，并采用监督微调加验证奖励机引导的强化学习两阶段训练。
- 作者报告在四个 PDDL 域上，验证器引导后训练将 4B–14B 紧凑规划器成功率提升至 70.5–76.0%。
- INT4 部署在 Jetson Orin 上平均功耗为 17.85–26.41 W，并在两个家庭仿真环境与一台桌面机械臂上做了评估。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。