在人工智能和機器人技術迅速發(fā)展的當下，機器人在復雜環(huán)境中的任務規(guī)劃與決策能力顯得尤為重要。然而，現(xiàn)有的許多機器人系統(tǒng)在處理復雜任務時往往面臨推理效率低下、決策不準確等問題。為了解決這一挑戰(zhàn)，中科視語推出了LightPlanner，這是一個開源的輕量化具身推理大模型，旨在提升機器人在復雜任務中的推理和決策能力。本文將深入探討 LightPlanner 的項目背景、技術原理、功能特點、應用場景以及如何快速上手使用，幫助讀者全面了解這一前沿技術。

一、項目概述

中科視語推出LightPlanner，是一個專為機器人設計的輕量化具身推理大模型，它的主要目標是開發(fā)一個輕量級、高效的具身推理模型，能夠支持機器人在復雜環(huán)境中的任務規(guī)劃和決策。具體目標包括：

1. 提升機器人在復雜任務中的推理效率，減少推理時間。

2. 提高機器人決策的準確性，減少錯誤決策。

3. 優(yōu)化模型的資源占用，使其能夠在邊緣設備上高效運行。

二、技術原理

（一）層次化深度推理

LightPlanner 采用了層次化深度推理技術，模擬人類的決策邏輯。在每一步執(zhí)行前，模型會觸發(fā)三層驗證，包括執(zhí)行反饋、語義一致性和參數(shù)有效性。這種多層次的驗證機制能夠有效減少錯誤決策，實現(xiàn)“錯誤自愈”，從而提升模型的推理準確性和魯棒性。

（二）參數(shù)化動態(tài)技能鏈

傳統(tǒng)的具身推理模型通常依賴于固定的技能模板，這限制了模型在處理復雜任務時的靈活性。LightPlanner 引入了參數(shù)化動態(tài)技能鏈，突破了這一限制。通過上下文感知的函數(shù)調用機制，模型能夠動態(tài)解析指令中的動態(tài)參數(shù)，從而執(zhí)行需要視覺或空間推理的復雜具身任務。

（三）邊緣設備友好架構

為了滿足邊緣設備的部署需求，LightPlanner 在大模型的輸入端引入了動態(tài)更新的歷史行動記憶模塊，并結合迭代式上下文管理，顯著降低了顯存占用。這種架構優(yōu)化使得 LightPlanner 能夠在資源受限的邊緣設備上高效運行，而不失推理性能。

三、功能特點

（一）高效推理能力

LightPlanner 在推理效率方面表現(xiàn)出色。實驗結果顯示，在真實世界環(huán)境中的具身決策規(guī)劃任務中，盡管 LightPlanner 的參數(shù)數(shù)量最少，僅為 1.5B，但其任務成功率最高。在需要空間語義推理的任務中，其成功率比 ReAct 高出 14.9%。

（二）動態(tài)參數(shù)化技能控制

LightPlanner 支持動態(tài)參數(shù)化技能控制，能夠根據(jù)任務需求動態(tài)調整技能參數(shù)。這種靈活性使得機器人能夠更好地適應復雜多變的環(huán)境，執(zhí)行各種復雜的具身任務。

（三）開源量化模型

為了促進技術的普及和應用，中科視語開源了LightPlanner 的量化模型。提供 0.9 到 2.7G 多種量化版本，這些模型在 Hugging Face 平臺熱度飆升，為研究人員和開發(fā)者提供了豐富的資源。

（四）豐富的數(shù)據(jù)集支持

LightPlanner 配套發(fā)布了 LightPlan-40K 數(shù)據(jù)集，這是首個具身決策深度推理數(shù)據(jù)集，覆蓋動作序列長度為 2-13 的不同復雜度任務，總計包含 4 萬個帶有層次化深度推理的動作決策步驟。

四、應用場景

（一）物流領域

在物流倉庫中，機器人需要高效地規(guī)劃路徑、搬運貨物，并處理各種突發(fā)情況。LightPlanner 能夠顯著提升機器人在這些任務中的推理和決策能力，優(yōu)化物流效率。

（二）制造業(yè)

在復雜的制造環(huán)境中，機器人需要執(zhí)行高精度的組裝和加工任務。LightPlanner 的動態(tài)參數(shù)化技能控制功能能夠幫助機器人更好地適應這些任務，提高生產效率和產品質量。

（三）服務行業(yè)

服務機器人需要在動態(tài)環(huán)境中與人類進行交互，執(zhí)行各種服務任務。LightPlanner 的高效推理能力和動態(tài)技能控制功能能夠使服務機器人更好地適應這些需求，提供更優(yōu)質的服務。

五、快速使用

（一）環(huán)境準備

在開始之前，請確保您已經(jīng)安裝了以下必要的軟件和庫：

• Python 3.10
• PyTorch 2.2.0
• LightPlanner 代碼庫

（二）安裝步驟

1. 克隆代碼庫：

git clone https://github.com/unira-zwj/LightPlanner.git
cd LightPlanner

2. 安裝依賴項：

pip install fastapi pydantic transformers torch asyncio gradio re

如果您使用的是UR 機器人，還需要安裝 `urx`：

pip install urx

（三）硬件連接

1. UR 機器人和 Robotiq 夾爪：

• 將 UR 機器人的網(wǎng)絡電纜連接到 Jetson（或 PC）。
• 將 Robotiq 的 USB 電纜插入 Jetson（或 PC）。
• 將 Inter D435 相機的 USB 連接到 Jetson（或 PC）的 USB 3.0 端口。
• 確保 UR 機器人的末端執(zhí)行器與相機對齊，并在軟件設置中配置坐標變換矩陣。

2. 設置 IP 地址：

• 將 UR 機器人的 IP 地址設置為 192.168.0.1。
• 將 Jetson（或 PC）的 IP 地址設置為 192.168.0.2（或確保與 UR 機器人在同一網(wǎng)段）。

3. 查詢 Robotiq 的 tty 設備號：

• 通常為 `/dev/ttyUSB0`。

4. 設置坐標變換矩陣：

• 在 `lightplanner_callback_v2.py` 的第 110 行設置：

R_C_to_T = np.eye(3)  # 從相機到工具的旋轉矩陣
t_C_to_T = np.array([-0.038, -0.065, -0.135])  # 從相機到工具的平移向量

5. 設置機器人的初始位置：

• 在 `lightplanner_callback_v2.py` 的第 106 行設置：

HOME_POSE = [-0.025, -0.32, 0.2, 0, 3.133, 0]  # 垂直向下任務的初始位置
HOME_POSE_H = [-0.025, -0.48, 0.15, 0, 2.24, -2.16]  # 水平操作任務的初始位置

（四）模型下載

• 從 [Hugging Face](https://huggingface.co/lightplanner) 下載模型文件。
• 將下載的模型文件移動到 `checkpoints` 文件夾中，或者在 `llm-serve.py` 的第 24 行更改模型路徑。

（五）啟動服務

1. 啟動 FastAPI 服務：

uvicorn llm-serve:app --host 0.0.0.0 --port 8000

2. 啟動 Web 界面：

python web-v2.py

（六）使用示例

1. 發(fā)送請求：

• 打開瀏覽器，訪問：http://localhost:8000。
• 在 Web 界面中輸入指令，例如：

In: What action should the robot take to {<INSTRUCTION>}?
Out:

• 模型將生成相應的動作指令，并顯示在界面上。

六、結語

LightPlanner 作為中科視語推出的開源輕量化具身推理大模型，憑借其層次化深度推理技術、參數(shù)化動態(tài)技能鏈和邊緣設備友好架構，在機器人任務規(guī)劃和決策領域取得了顯著的成果。通過提升推理效率和決策準確性，LightPlanner 為機器人在復雜環(huán)境中的應用提供了強大的支持。隨著技術的不斷發(fā)展和開源社區(qū)的貢獻，LightPlanner 有望在物流、制造、服務等多個領域發(fā)揮更大的作用，推動機器人技術的發(fā)展和普及。

項目主頁：???https://github.com/unira-zwj/LightPlanner??

本文轉載自????小兵的AI視界????，作者：AGI小兵?