LLM智能体能否管理长周期物理任务?走向自适应Physical AI的探索

摘要

该arXiv预印本探讨了能否在无人干预下，以零样本方式构建自适应物理AI智能体来管理长周期物理任务。作者设计了一个整合规划、工具调用、观察与验证的多智能体框架，并在不同天气模式下，将其与强化学习（RL）智能体在农业任务上进行对比。结果显示：在相同天气模式下，零样本LLM智能体可取得与RL智能体相当的管理效果；在环境发生偏移的评估中，其适应能力优于RL智能体。作者据此认为，这为自适应物理AI智能体提供了一条有前景的路径。