AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-22
SLoSa：面向机器人任务规划的小型、低功耗且安全的基础模型
原标题: SLoSa: Small, Low-Power, and Safe Foundation Models for Robotic Task Planning
SLoSa 面向安全的机器人任务规划，采用基于基础模型的规划器，其规模小、功耗低且具备安全感知能力，将 LLM 灵活的任务接口与经典规划器的形式化保证相结合。该框架利用经典规划器、先进的教师 LLM 和形式化验证器构建安全感知数据集，随后进行监督微调，再辅以由基于验证的奖励机器引导的强化学习微调。在四个 PDDL 领域上，验证器引导的后训练将紧凑型 4B-14B 规划器的成功率提升至 70.5-76.0%，而在 Jetson Orin 上的 INT4 部署需要 17.85-26.41 W 的平均功耗。