WBS训练，规模可泛化
用工程WBS数据训练的生成式AI规划器，能把已验证的机器人指令、模型与案例组合成高层SOP，再逐步展开为可执行的低层操作，模仿专家完成带时间、空间与资源约束的任务规划。
Yue, Zhen · 毕盛 · Shuo, Tang · Xing-Tong, Lu · Weiqin, Pan · Hai-Peng, Shi · Zirui, Chen · Yi-Shu, Fang · Xin-Meng, Wang
2024
系统利用WBS将已验证的机器人指令、深度学习模型和演示案例按时间和资源依赖组织起来，并通过仿真和评估函数自动选择最优结构作为标准操作流程，无需人工设计流程。
用这些SOP训练生成式AI，使其能根据实际需求模仿人类专家生成高层结构，并在时间依赖、空间关系和资源分配问题上进行小范围参数泛化。
生成的高层结构被逐步转化为低层操作以执行实际任务，无需人工将抽象计划转写为具体指令。
系统记录执行结果进行自动或人工分析，并利用反馈不断改进生成式AI的输出，使规划质量随使用提升。