LLM-DWA：将大型语言模型与动态窗口法相结合的混合路径规划框架

为日常机器人提供更聪明的路线

从吸尘机器人到仓库小车，移动机器人正变得越来越常见于家庭和工作场所。然而，即便是这些高科技助手也可能在尴尬的角落或迷宫般的走廊里卡住。本文介绍了一种新的方法，通过将一种快速的传统导航方法与大型语言模型的推理能力相结合，帮助机器人选择更好的路线——这种技术正是现代聊天机器人的核心。

机器人为何在复杂空间中受困

大多数机器人将导航问题拆成两项任务。全局规划器首先在地图上勾勒出大致路线，然后局部规划器使用实时传感器数据对附近的墙壁、家具和行人做出反应。一种被广泛使用的局部方法——动态窗口法（Dynamic Window Approach）——迅速评估机器人可能的速度和转向，选择短期内安全的运动。这在开阔空间中效果良好，但在具有U形障碍或狭窄迷宫的布局中就很吃力。在这种情况下，机器人可能在死胡同内打转或贴着锐角走，浪费时间甚至无法到达目标。

让语言模型思考空间

作者提出在现有局部控制器之上增加一个大型语言模型（LLM）作为高层引导。LLM并不直接操控机器人，而是接收环境描述——要么是墙体坐标，要么是一张简易的地图图像——以及机器人的起点和目标位置。利用其模式匹配和推理能力，LLM输出一小列中间“航路点”（waypoints），这些航路点穿过关键的缝隙和瓶颈，如门口或走廊转角。熟悉的动态窗口法随后负责从一个航路点到下一个航路点的细粒度运动，利用实时传感器读数，在保持安全性和响应性的同时遵循LLM给出的宏观指引。

混合规划器的构建与测试

团队首先在一个简单的二维网格世界中验证了该流程，随后在使用TurtleBot3机器人的逼真三维仿真环境中进行了测试。通过应用程序接口访问的LLM根据精心设计的提示工程，总是返回格式良好的航路点列表。低级控制器来自标准的开源机器人软件，使整体设计具有模块化：原则上可以在不重设计整个系统的情况下替换不同的语言模型或局部控制器。

突破死角并缩短行程时间

在一系列测试中，混合“LLM‑DWA”方法与常见基线进行了比较，基线通常将全局Dijkstra规划器与动态窗口法或基于优化的重控制器配对。在一个U形障碍课程中，单纯的局部规划器未能到达目标，而全局加局部的基线则与角落发生碰撞。相比之下，LLM引导的方法生成的航路点将机器人干净利落地引出陷阱并完成了路径。在三维世界中——包括U形副本、复杂迷宫和类房屋布局——该新框架常常将行程时间大约减半，同时保持相似的路径长度，并且是唯一能解决最复杂迷宫的方法。重复试验表明，尽管语言模型具有内在随机性，成功率和行程时间仍然保持稳定。

当前的局限与改进空间

该方法并非没有缺点。仅用坐标数字或单张俯视图向语言模型描述凌乱房间可能会遗漏重要细节，有时导致航路点被指到障碍物内部或路径存在歧义。目前系统也只在起始时向LLM请求航路点，因此在运行过程中出现意外障碍时还无法重新规划。作者认为，让感知、几何与语言的耦合更紧密，以及在导航过程中再次调用LLM，都可以进一步提高可靠性。

对未来机器人助手的意义

总体而言，这项研究表明语言模型可以充当一种高层“导航大脑”，勾画出合理的中间目标，而经过验证的低层控制器则确保机器人在每一刻的安全。通过将宏观推理与快速、考虑物理约束的运动规划相结合，这种混合设计帮助机器人摆脱常见陷阱，并更有效地穿越复杂空间。随着多模态语言模型在理解地图和场景方面的能力提升，此类推理模块有望成为鲁棒且可适应的机器人导航系统的标准组成部分。

引用: Seo, J., Kim, E. & Choi, A.J. LLM-DWA: a hybrid path planning framework combining large language models with the dynamic window approach. Sci Rep 16, 9898 (2026). https://doi.org/10.1038/s41598-026-39524-1

关键词: 机器人导航, 路径规划, 大型语言模型, 移动机器人, 混合控制