SLoSa：面向机器人任务规划的小型、低功耗且安全的基础模型

📋总体概括

研究团队提出SLoSa框架，将大语言模型与符号规划器结合，通过神经符号压缩和微调，训练出体积小、功耗低且安全的机器人任务规划基础模型。经典符号规划器虽能提供形式化安全保证，但输入格式僵化、搜索空间大时计算成本激增；LLM接口灵活、泛化能力强，却体积庞大、功耗高，且预训练缺乏机器人安全知识，难以在资源受限的机器人本体上本地部署。SLoSa旨在兼顾两者优势，让小型化模型既能理解灵活任务指令，又能满足安全约束，推动规划模型在边缘端机器人上落地。