計畫背景
大型語言模型（LLM）在自然語言理解上的突破，為工業自動化帶來新的可能性。本計畫以 LLM 作為語意指令解析核心，驅動自動化場域任務分配與驗證流程，確保人機協作各節點的標準化執行。
研究目標
透過語意理解技術，將操作員的自然語言指令轉譯為機器人可執行的結構化任務序列，同時建立即時的任務執行驗證回饋機制。
- 開發基於 LLM 的語意指令解析引擎
- 建立自動化任務分配與優先權排程系統
- 設計執行狀態監控與異常偵測模組
技術方法
研究採用指令微調（Instruction Fine-tuning）與檢索增強生成（RAG）技術，使 LLM 能精確理解領域專屬的操作指令語意，並映射至機器人作業系統的動作原語（Action Primitives）。
預期成果
完成一套可整合至現有 ROS2 生態系的 LLM 語意指令驅動中介層，並於測試場域完成 500 組指令執行正確率驗證，目標達成率 95% 以上。