该研究提出了一种基于语言模型的工作流程,用于从自然语言任务描述中生成、验证并迭代修正ABB RAPID工业机器人程序,以应对柔性制造中产品频繁切换带来的快速重编程需求。方法上,采用双流检索增强生成(RAG)管道,将代码生成锚定在经核验的技术文档和生产模板中,以降低未接地语言模型产生的领域特定错误;同时构建自定义模型上下文协议(MCP)服务器,将语言模型客户端直接连接至ABB RobotStudio,实现代码自动上传、仿真执行和诊断反馈的闭环。评估结合了30条查询的检索基准、代码生成检查及模拟拾放单元的案例研究。结果显示,仿真循环能暴露静态和语义检查无法发现的执行故障,如吸盘释放高度错误、目标不可达及依赖配置的恢复动作。研究表明,RAG与MCP的结合能有效连接接地代码生成与工业仿真软件的可执行反馈,但专家设置和最终监督虽可减少,仍无法完全消除。
| RAG (Retrieval-Augmented Generation) | 检索增强生成,一种通过从外部知识库检索相关信息来增强语言模型生成内容的方法。 |
| MCP (Model Context Protocol) | 模型上下文协议,一种标准化协议,用于连接语言模型与外部工具或系统,实现交互和反馈。 |
| RAPID | ABB机器人专有的编程语言,用于编写机器人控制程序。 |
| RobotStudio | ABB的机器人仿真软件,用于离线编程、模拟和验证机器人程序。 |
| dual-stream RAG pipeline | 双流检索增强生成流水线,指同时从多个来源(如技术文档和生产模板)进行检索以增强代码生成的系统。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅