Pada si Iroyin
AtunseAI Understanding finifini

LUCID ni imọran ilana aṣoju AI kan ti o ṣe deede awọn ipa-ọna roboti ati awọn orisun alailowaya

Atẹjade tuntun arXiv ṣe apejuwe LUCID, ilana aṣoju LLM kan ti o tun ṣe atunto awọn itọpa roboti ati awọn orisun isunmọ inu agbegbe oni-meji oni-nọmba bi awọn ibi-afẹde oniṣẹ, awọn iṣiro robot ati awọn ipo alailowaya yipada.

5 min readRead the primary source
Source-provided image accompanying LUCID proposes an AI-agent framework that adapts robotic paths and wireless resources
Iwe aṣẹ orisun akọkọOrisun ti o gbasilẹ
Olutẹwe
arxiv.org
Orisun ọna asopọ
arxiv.orghttps://arxiv.org/abs/2608.28437
Orisun iru
Iwe akọkọ - ikede osise, iwe, iforukọsilẹ, tabi oju-iwe ẹgbẹ akọkọ ti a ka taara.
AtokọLoye eyi ni iṣẹju 60

Bẹrẹ nibi

Awọn ofin bọtini

Awoṣe Ede nla (LLM)
Awoṣe ede ti a ṣe ikẹkọ lori titobi ọrọ corpora lati ṣe ipilẹṣẹ ati itupalẹ ọrọ.
Opo gigun
Ṣiṣan iṣẹ ṣiṣe ti a paṣẹ ti iṣaju, awọn igbesẹ awoṣe, ati awọn ipele ifiweranṣẹ.
Lairi
Awọn akoko laarin a firanṣẹ ìbéèrè ati gbigba awọn awoṣe ká o wu.
Ṣe idanwo fun ara rẹAI Aṣoju adanwo

Kini o ṣẹlẹ

Awọn oniwadi ṣafihan LUCID, ilana AI aṣoju fun awọn roboti awọsanma ti o nlo aṣoju LLM kan lati tunto eto-itọpa ati awọn iṣoro iṣakoso-orisun redio. Eto naa n ṣiṣẹ laarin agbegbe oni-meji-ni-loop oni-nọmba ati pe a ṣe apẹrẹ lati dahun bi erongba oniṣẹ, nọmba awọn roboti ti nṣiṣe lọwọ ati awọn ipo oju iṣẹlẹ yipada.

Iwe naa, ti a fi silẹ si arXiv ni Oṣu Kẹjọ Ọjọ 28, Ọdun 2026, ṣafihan LUCID gẹgẹbi opo gigun ti epo-aṣoju LLM fun awọn roboti awọsanma. Ero agbedemeji rẹ ni lati tọju igbero ipa-ọna apapọ ati iṣoro iṣakoso awọn orisun redio bi awoṣe ti o ni opin ju iṣoro iṣapeye ti o wa titi ẹyọkan. Ti o da lori erongba ipele giga ti oniṣẹ, ilana naa le tunto lainidi eyi ti awọn oniyipada, awọn ibi-afẹde ati awọn idiwọ ti o wa titi, iṣapeye tabi isinmi. Orisun naa n ṣe idanimọ kika-robot ti nṣiṣe lọwọ ati awọn ibeere iṣẹ didara fun-robot gẹgẹbi awọn apẹẹrẹ ti awọn iwọn ti o le yipada ni ọna yii. Idasilẹ yii jẹ ki orchestration dahun si asọye iṣoro iyipada lakoko idaduro idojukọ iwe ti a sọ lori awọn roboti awọsanma.

LUCID tun pẹlu SimBridge, eyiti awọn onkọwe ṣapejuwe bi ẹrọ kan fun yiyipada awọn iwoye roboti iwọn-nla sinu awọn ibeji oni-nọmba ti o ṣetan alailowaya. Idi ti a ti sọ ni lati jẹ ki awọn igbelewọn wiwa kakiri-ray leralera to wulo fun orchestration ti o ni agbara. Ninu akọọlẹ iwe, eyi ngbanilaaye eto lati ṣayẹwo bii awọn itọpa robot oludije ṣe ni ipa lori awọn rogbodiyan alailowaya ati lati lo awọn igbelewọn wọnyẹn nigbati o ba n ṣe atunṣe iṣoro ero. Ibeji oni-nọmba nitorina n ṣiṣẹ bi eto ti o wọpọ ninu eyiti a gbero iṣipopada ati awọn ipa alailowaya papọ.

Ilana naa ṣajọpọ igbero ọna ti ko ni ijamba pẹlu olufọwọsi iṣakoso awọn orisun redio-radius. Gẹgẹbi áljẹbrà, olufọwọsi yẹn ṣe iranlọwọ idanimọ awọn igo alailowaya, lẹhin eyiti LUCID ṣe atunto ero iṣapeye lati wa ipo ti o ṣeeṣe ti o ṣeeṣe. Awọn onkọwe sọ pe awọn adanwo ṣe idanwo aṣamubadọgba si iyipada awọn ero oniṣẹ, awọn iṣiro-robot ti nṣiṣe lọwọ ati awọn iwoye. Wọn tun jabo pe awoṣe surrogate multimodal kan, FastConfigNet, dinku lairi igbero. Orisun ti a pese ko pẹlu iwọn awọn iyokuro wọnyẹn, nọmba tabi iru awọn roboti, awọn ipo nẹtiwọọki gangan, tabi awọn eto ipilẹ ti a lo fun lafiwe. Awọn ifasilẹ yẹn ṣe opin bawo ni deede aṣamubadọgba ti a royin ati awọn iṣeduro aisimi le ṣe iṣiro lati orisun ti a pese.

Awọn alaye orisun: arxiv.org ↗

Kini idi ti o ṣe pataki

Awọn roboti iṣakoso awọsanma da lori gbigbe akoko ti data sensọ iwọn-giga. Iwe naa jiyan pe awọn agbekalẹ iṣapeye ti o wa titi le gbejade awọn irufin didara-ti-iṣẹ fun igba diẹ nigbati awọn ipo ba yipada. Ọna LUCID le pese ọna ti o ni ibamu diẹ sii lati ṣakojọpọ iṣipopada ti ara ati ibaraẹnisọrọ alailowaya, botilẹjẹpe orisun ko pese awọn abajade iwọn tabi ẹri ti imuṣiṣẹ gidi-aye.

Iwadi naa n ṣalaye ailera kan pato ninu awọn roboti awọsanma: iṣakoso ti ara ati ibaraẹnisọrọ alailowaya jẹ igbẹkẹle. Robot kan le ni ipa ọna jiometirika ti o wulo lakoko ti data oye ti o nilo lati ṣakoso rẹ ko le ṣe jiṣẹ pẹlu akoko ti o nilo. Lọna miiran, iṣeto ọrẹ-ibaraẹnisọrọ le tako awọn ibi-afẹde gbigbe. Ilowosi iwe naa ni lati jẹ ki idapọ yẹn ati awọn ibeere iyipada rẹ ni idojukọ taara ti ilana aṣoju AI kan. Nitorinaa ibatan naa kii ṣe alaye imuse isẹlẹ, ṣugbọn apakan ti iṣoro igbero ti a ṣalaye nipasẹ iwe naa.

Apẹrẹ ti a dabaa jẹ agbara iwulo nitori awọn ibi-afẹde oniṣẹ kii ṣe iduroṣinṣin nigbagbogbo tabi aṣọ ile. Iṣẹ-ṣiṣe kan le ṣe pataki sisin ọpọlọpọ awọn roboti, lakoko ti omiiran le fa idamu fun-robot QoS tabi sinmi ipinnu gbigbe kan. Eto kan ti o le ṣe atunwo eto ti iṣoro iṣapeye le ni irọrun diẹ sii ju ọkan ti o yipada awọn igbewọle nọmba nikan ni inu agbekalẹ ti o wa titi. Igbelewọn oni-meji oni-nọmba le tun funni ni ọna lati ṣe idanwo awọn atunto oludije ṣaaju lilo wọn si eto ti ara. Irọrun yẹn jẹ iye ti a pinnu ti iṣeto ni agbara, bi a ti ṣalaye ninu iwe-tẹlẹ.

Iṣe pataki ti o wulo wa ni opin nipasẹ ẹri ti o wa ninu orisun ti a pese. Eyi jẹ atẹjade tẹlẹ arXiv, kii ṣe ijabọ ti itusilẹ iṣowo, eto iṣakoso ifọwọsi tabi ọkọ oju-omi kekere ti a fi ranṣẹ. Afoyemọ naa sọ pe eto naa rii ipo ti o ṣeeṣe ti o ṣeeṣe, ṣugbọn ko fi idi rẹ mulẹ pe ijẹrisi naa ni wiwa gbogbo awọn eewu ti ara, awọn ikuna sensọ, awọn idalọwọduro nẹtiwọọki tabi awọn aṣiṣe awoṣe. Ko tun ṣe ijabọ boya aṣoju LLM funrararẹ le gbe awọn eto aiṣedeede jade, bawo ni iru awọn ikuna bẹẹ ṣe ni ọwọ, tabi melo ni a nilo abojuto eniyan. Awọn idiwọn wọnyi ṣe pataki nigbati o tumọ si lilo iwe ti ọrọ ti o jẹri.

Interactive Mechanism

Ibaraẹnisọrọ Mechanism: Bii O Ṣe Nṣiṣẹ Lootọ

Ṣawari imọ-ẹrọ abẹlẹ lẹhin idagbasoke yii ni ibaraenisọrọ.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Ibanisọrọ Erongba Ṣayẹwo+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Kini lati wo tókàn

Atẹle pataki ni boya aṣamubadọgba ti LUCID ti sọ duro kọja awọn adanwo ti a royin ati boya awọn aabo rẹ to fun awọn eto ti ara. Awọn oluka yẹ ki o wa lairi gangan, igbẹkẹle ati awọn wiwọn QoS; awọn alaye ti awọn ipele ti a ṣe ayẹwo ati awọn iru ẹrọ robot; awọn afiwera pẹlu awọn ipilẹ ti o lagbara; ati ẹri lati hardware tabi awọn idanwo nẹtiwọki laaye.

Awọn igbelewọn ọjọ iwaju yẹ ki o jabo awọn wiwọn nja kuku ju ẹtọ nikan pe LUCID ṣe adaṣe ni agbara. Awọn alaye to wulo yoo pẹlu igbero ati aisi atunto, awọn oṣuwọn irufin QoS, awọn oṣuwọn ikọlu, iṣelọpọ, iwọn bi iṣiro-robot ti n ṣiṣẹ dagba, ati iṣẹ ṣiṣe labẹ iyipada awọn ipo alailowaya ni iyara. Awọn afiwera lodi si iṣapeye apapọ apapọ ti o wa titi, awọn oluṣeto aṣamubadọgba aṣa ati awọn ọna yiyan sikema ti kii ṣe ipilẹṣẹ yoo ṣe alaye boya paati aṣoju LLM n pese anfani iwọnwọn. Ijabọ awọn iwọn wọnyi kọja awọn ipo iyipada ti a sọ yoo jẹ ki ẹtọ isọdọtun rọrun lati tumọ.

Ipa ti FastConfigNet tọsi ayewo ni pato. Orisun naa sọ pe o jẹ awoṣe surrogate multimodal ti o dinku lairi igbero, ṣugbọn ko ṣe alaye data ikẹkọ rẹ, awọn aala aṣiṣe tabi ihuwasi nigbati awọn oju iṣẹlẹ yato si awọn ti a lo lakoko ikẹkọ. Nitoripe awọn asọtẹlẹ aropo le ni agba awọn ipinnu iṣakoso ti ara, awọn oniwadi ati awọn oniṣẹ yoo nilo lati mọ nigbati eto naa ba ṣubu si igbelewọn wiwa-ray ti o gbowolori diẹ sii ati bii o ṣe n ṣe awari isunmọ ailewu tabi aipe. Awọn ibeere wọnyẹn jẹ aringbungbun lati ṣe idajọ boya lairi kekere tun ṣe itọju igbẹkẹle ti a reti nipasẹ opo gigun ti epo to ku.

Ohun-iṣẹlẹ pataki ti o tẹle yoo jẹ ẹri lati awọn roboti ti ara tabi aaye idanwo alailowaya laaye, papọ pẹlu koodu atunto, awọn atunto ati data igbelewọn ti o ba wa. O tun jẹ aimọ boya ilana naa ṣe atilẹyin awọn oju iṣẹlẹ nikan ti o ṣojuuṣe ninu iwe naa tabi o le ṣe akopọ si awọn oriṣi roboti miiran, awọn faaji nẹtiwọọki ati awọn eto imulo oniṣẹ. Titi di ijabọ awọn alaye wọnyẹn, LUCID ni oye ti o dara julọ bi igbero iwadii pẹlu simulation tabi ẹri ibeji oni-nọmba, kii ṣe ẹri pe orchestration AI adase le ṣe iṣeduro aabo roboti tabi didara iṣẹ ni aaye. Irú ẹ̀rí bẹ́ẹ̀ yóò ṣèrànwọ́ ìyàtọ̀ àbájáde orchestration kan tí ń ṣèlérí kúrò nínú agbára ìṣiṣẹ́ tí ó ṣeé gbẹ́kẹ̀ lé.

Awọn itọsọna ti o jọmọ & awọn ibeere

Awọn aṣoju AIAwọn awoṣe AI ti ṣalayeAI IkẹkọỌjọ́ Iwájú AIṢe idanwo ohun ti o mọ — gbiyanju idanwo AI ọfẹ kanWa ọrọ AI kan ninu iwe-itumọ waTẹle olutọpa idasilẹ awoṣe AI
Ṣe eyi wulo?