论文
SayCan
Google于2022年发布的机器人任务规划研究，验证了语言模型能够将高层语义指令分解为可执行的低层动作序列，是LLM用于机器人规划的代表性工作之一
时间轴 (近 90 天)
10月30日
“LLM作为高层规划器”架构的典型代表是SayCan和Code as Policies等工作。
待验证50%
10月28日
自然语言作为智能体接口的思路与SayCan、Inner Monologue等工作一脉相承。
待验证50%
10月10日
将LLM用于机器人任务规划的代表性工作包括SayCan（Google，2022）和Code as Policies（2023）
待验证50%
9月8日
2023年以来,研究者开始将GPT-4、Claude等大语言模型作为机器人的决策层,典型系统包括SayCan、Inner Monologue和RT-2
待验证50%
9月1日
Google的SayCan项目于2022年提出，将LLM知识作为价值函数引导机器人行为，LLM打分与技能模块成功概率相乘决定动作选择
待验证50%
全部知识事实 (5)
待验证
“LLM作为高层规划器”架构的典型代表是SayCan和Code as Policies等工作。
50%待验证自然语言作为智能体接口的思路与SayCan、Inner Monologue等工作一脉相承。
50%待验证将LLM用于机器人任务规划的代表性工作包括SayCan（Google，2022）和Code as Policies（2023）
50%待验证2023年以来,研究者开始将GPT-4、Claude等大语言模型作为机器人的决策层,典型系统包括SayCan、Inner Monologue和RT-2
50%待验证Google的SayCan项目于2022年提出，将LLM知识作为价值函数引导机器人行为，LLM打分与技能模块成功概率相乘决定动作选择
50%