启发式行为树规划器

LLM提议启发式路径

结合大模型推理校正与行为树规划，显著缩短复杂场景下的行为树生成时间。

Cai, Yishuai · Chen, Xinglin · Yunxin, Mao · Li, Minglong · 杨绍武 · 杨文婧 · Ji, Wang

2025

参数信息

数据集数量

4

技术优势

规划更高效

利用LLM生成启发式路径引导BT扩展，避免盲目搜索，缩短规划时间。

推理更可靠

通过动作空间剪枝和反思反馈修正LLM推理错误，提升规划安全性。

应用场景

• 机器人任务规划：自动生成可靠行为树，替代手工设计，快速适应新任务。
• 具身智能决策：融合LLM常识推理与形式化规划，保障决策安全。
• 服务机器人行为控制：端到端生成可执行行为树，降低服务机器人开发门槛。