【导语：在维也纳落幕的机器人顶会ICRA 2026上，中国团队凭借IMR-LLM获得最佳论文奖（自动化方向）。该成果让大语言模型为工厂产线多机器人做任务规划和程序生成，在多项指标上超越现有基线。】

大语言模型革新工业产线机器人规划

IMR-LLM由深圳大学胡瑞珍教授团队等联合完成，其核心是让大语言模型给工厂产线上的多台机器人做任务规划、写执行程序。以往产线任务变更，工程师需从头编写程序，如今只需输入自然语言描述，就能自动生成调度方案和可执行代码。

突破现有方法局限

现代工业产线多机器人协同任务，多依靠人工规划和编程，任务或产线变化时操作繁重。现有基于大语言模型的方法多面向简单家居场景，难以满足工业产线严格的时空约束和执行正确性要求。而IMR-LLM框架结合大语言模型语义理解能力和结构化工具，实现从自然语言到高效调度和可执行程序的自动生成。

现有方法在工业产线中直接依赖大模型易产生逻辑幻觉，导致产线停滞。IMR-LLM方法分为任务规划和程序生成两个阶段，分别解决核心问题。任务规划阶段将自然语言任务转化为调度问题，调用求解器生成高效方案；程序生成阶段将复杂长代码生成问题转化为路径匹配和选择问题，降低模型推理负担。

全面验证与显著优势

为评估方法适用性，论文构建了IMR-Bench数据集，包含23个真实工业场景和50个制造任务。定量对比显示，IMR-LLM在任务规划、程序生成和总体成功率三项指标上全面超过现有基线，且任务越复杂优势越大。

定性结果证明了算法的泛化能力，在模拟环境中，面对任务变化、产线调整，都能高效完成任务并自适应调整。真机部署也进一步证明了其在实际工业场景中的应用能力。

未来探索与落地方向

论文提出的IMR-LLM框架显著提升了调度效率与任务成功率。未来工作将探索引入执行反馈机制，构建实时“推理 - 执行 - 纠错”闭环系统，增强算法自适应能力，推动大模型在更复杂、更开放的工业具身智能场景中落地。

编辑观点：IMR-LLM为工业产线多机器人任务规划带来新突破，有望提高工业生产的灵活性和效率，推动大语言模型在工业领域的应用。