待验证50% 置信事实精确时间
语言模型工作在符号空间中，输入输出为离散的token序列，而机器人需在连续物理空间中感知、规划并执行动作
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证大语言模型（LLM）被引入机器人任务规划层，使机器人能够理解自然语言指令并将其分解为可执行的动作序列79% 相似待验证传统对话机器人依赖预设规则和固定意图识别，而大模型具备泛化推理、上下文理解和工具调用能力，可根据任务动态编排行为74% 相似待验证机器人基础模型脱胎于大语言模型与视觉-语言模型的技术范式，通过在海量多模态数据上进行预训练，使单一模型具备跨任务、跨场景的泛化能力74% 相似待验证在语言模型驱动的兵棋推演中，模型的语言输出同时决定了一个行为体试图做什么以及什么成为了被模拟的现实73% 相似待验证大型语言模型可以将自然语言描述的车手反馈与结构化遥测数据对齐，机器学习算法能在高维参数空间中识别人类不易察觉的模式69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/998254API
curl https://kongchang.com/api/v1/knowledge/claims/998254MCP
get_claim(id=998254)