近日，全球机器人与自动化领域的顶级学术会议ICRA 2026在奥地利召开。中国科学院工业人工智能研究所物理智能团队与深圳大学等合作的论文，荣获自动化方向最佳论文奖。论文提出并实现了一种新颖框架，让大语言模型能可靠地用于工业产线。中国科学院工业人工智能研究所由中国科学院、江苏省、南京市合作共建。

该物理智能团队负责人徐凯研究员介绍，为保证多个机器人协同完成复杂任务，工厂大多依靠人工编写控制程序。一旦任务或产线发生变化，就需要人工重新编程，耗时数小时到数日，繁琐低效、灵活性差。如今，大语言模型在简单家居等场景中展现出任务规划能力，但工业产线对任务执行的准确性要求极高，让大语言模型一次性生成整套程序极易产生逻辑错误，导致产线停滞。

针对这一痛点，论文提出“IMR-LLM框架”，将大语言模型的工作分为两个阶段：先理解任务需求、分解工序，完成机器人分配，并生成流程图，解决“哪台机器人何时完成哪部分任务”的问题；再为流程图上每个节点（即工序）编写细节代码，告诉机器人“具体该怎么做”。此框架能极大地降低大语言模型的推理负担，让大语言模型找到最优流程，保障生产效率。

为评估这种程序自动生成的方法，研究人员面向船舶制造等重型装备制造行业，构建了包含23个真实工业场景和50个制造任务的数据集。任务覆盖不同产线布局、机器人配置和工序组织方式，分为3个难度等级。其中，单个任务最多包含24道工序，较好地反映工业产线长流程、多机器人协同和复杂时空依赖等特点。依托数据集进行的实验表明，这种方法在所有指标上均优于其他现有方法，且任务越复杂优势越明显。

目前，研究团队开始探索在“IMR-LLM框架”中引入执行反馈机制，构建一个实时的“感知—推理—执行—纠错”闭环系统，增强应对突发硬件故障或需求动态变化的能力，推动大语言模型在更复杂、更开放的工业具身智能场景中落地。