教一个小型 LLM 为机器人做规划——Dawei Sun

Dawei Sun 通过强化学习训练小型 LLM Qwen3.5-9B，使其在 Signal Temporal Logic 表达的机器人运动规划任务上，借助 plan_path 和 check_path 工具调用，在复杂 key-door 迷宫问题上达到与更大教师模型 DeepSeek-V4.1-Flash-1017 相当的性能。