LLM 作为 MDP 设计者：依赖感知框架自动生成机器人策略

论文提出依赖感知框架 ARPG，用 LLM 在部署前设计机器人 RL 流程。

资讯摘要

论文研究从自然语言任务描述自动生成可执行的机器人强化学习策略，提出不让 LLM 在运行时做决策，而是在部署前充当设计者，负责 MDP 建模与仿真器实现。作者据此提出依赖感知框架 ARPG，将 MDP 建模按依赖顺序串行处理，并对中间产物做局部验证与修正，再以模块化方式实现仿真器，以缓解代码可执行但策略不可学习的问题。

要点速读

1. 论文将 MDP 建模视为依赖结构化的顺序过程，仿真器实现则在建模固定后转为模块化。
2. ARPG 通过顺序建模、局部验证与修正、结构化实现并外化中间产物来生成策略。
3. 作者报告在 Isaac Sim 实验中，ARPG 在建模正确性、环境可执行性和策略生成成功率上优于单体 LLM 基线与现成智能体系统。

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 2026/11/5 08:00:38（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。