整体目标：
使用大模型作为云端服务，能够实现一些常见机器人任务的规划；并且通过底层元动作调用实际完成任务。同时，具备基础的人机对话交互能力；语音反馈能力；异常处理能力；规划调整能力。
技术路线：
模型：首先使用大模型API如GPT API实现全流程。后续逐步替换为开源LLM如 LLaMA，Deepseek，Qwen等。
能力提升：
- Prompt工程。
- 基于开源LLM针对我们的应用场景进行对话数据采集和微调。
现有及预计问题：
- 计算能力欠缺。对于大模型云端部署验证、微调来说，目前的机器运算能力不足。
- 机器人可用时间少。大家调试验证都需要用机器人，目前机器人数量不足。
- 底层元动作实现成功率未知，接口不统一。而任务规划执行的成功率依赖底层元动作，而接口不统一的话，对于任务规划的开发实现难度较大。
- 元动作和任务的定义方式，需要结合底层实现和任务规划的需要综合讨论决定。
- 微调数据收集审核工作量较大。需要人工生成和审核数据，才能保证数据的质量。
2000条
H20
3天一次迭代