自然语言指挥工业机器人，难点不在“听懂”，而在“保证做得到”。大模型可以生成看似合理的装配结构，却可能违反重力约束、让机械臂碰撞，或给出不可达的抓取位姿；传统任务与运动规划（TAMP）能给出形式化保证，却读不懂自由文本。这篇论文把两者拆成明确分工：语言理解与结构生成交给神经网络，验证、排序与执行交给确定性符号工具。
从 PGE 到 SDI：把“评审”换成符号验证器
软件工程里常用 Planner-Generator-Evaluator（PGE）套壳模式，用确定性脚手架包住 LLM 调用。作者把它改造成面向工业机器人的 Specifier-Designer-Inspector（SDI）三角色：Specifier 负责把含混的自然语言指令结构化，Designer 生成目标结构的几何布局，Inspector 用约束求解器做物理可行性验证，替代原来由 LLM 担任的“评审员”。三者通过 LangGraph 做动态路由，正常路径固定，只有失败时才让模型决定往哪回退。
分工的关键是“LLM 只在需要语言或上下文推理的地方出现”。装配顺序、碰撞检查、运动学可达性、执行控制全部是确定性的；数字孪生用 Unity3D 搭建，人在物理执行前可以查看、拖动修改布局，再触发一次自动复验。
两层恢复：结构重排与几何补救
失败恢复分两级。结构级失败——例如布局本身导致封闭空间或密集堆叠——由上下文感知的编排器回到设计层重排；执行级失败——运动规划报错——由领域几何恢复技能处理，论文给出的例子是“压平”和“平移”两类确定性动作。两层都接回数字孪生复验，必要时请人修正。消融显示，没有 LangGraph 路由时，C 组任务成功率降到83.3%；规则编排和固定 PGE 编排在注入故障后分别只恢复5/10和2/10，而带 LangGraph 路由的版本恢复到9–10/10。
70条指令与十条基线的对照
评测覆盖70条自然语言指令、五个难度等级，并与十种基线比较。完整系统成功率为100%；纯神经基线在开放式大规模任务上低于90%；纯符号流水线则根本无法接收自由文本。消融还给出两个具体数字：去掉 Specifier，D 组降到95.5%；去掉 LangGraph，C 组降到83.3%。工具集更大的 SAMS 为93.1%，并未稳定超过 SASS 的91.4%，作者据此认为，结构化的多智能体编排比单纯堆工具更能决定复杂任务表现。
代价也很直接：由于多智能体通信和 LLM 调用，平均每条指令耗时85.3秒；系统目前假设供料区位置已知，尚未接入视觉定位。作者把异构零件、视觉定位和自适应技能选择列为下一步。对工厂而言，这套架构的可借鉴之处不是“让大模型控制机器人”，而是把大模型的角色压缩到语言与布局建议，把安全相关的判断留给可验证的符号层。
资料来源：Agentic Neuro–Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins — arXiv（2026-06-06）。本文为技术要点整理/编译，非原文全文。