ทันเอไอ

研究利用 RAG 和 MCP 帮助 AI 编写并修复 ABB 机器人程序

研究人员提出一套工作流，让语言模型根据一般指令生成 ABB RAPID 程序，并通过仿真软件自动测试和修复错误

arXiv 编号 2608.21417 的一项新研究提出，利用 Language Model（可生成文本和代码的语言模型）编写 ABB 工业机器人控制程序，旨在减少工厂更换产品、生产型号或产线流程时调整程序所需的时间。

系统先接收自然语言任务描述，再生成 ABB RAPID 代码。ABB RAPID 是 ABB 机器人的编程语言。关键在于，模型并非只依赖自身知识，而是采用两路 Retrieval-Augmented Generation（RAG，即生成回答前检索参考资料），同时检索经验证的技术文档和生产任务模板，使代码更符合具体系统要求。

另一部分是为该任务专门构建的 MCP Server，用于将语言模型客户端直接连接到 ABB RobotStudio。系统因此可以上传代码、运行仿真，并将 Diagnostic Feedback（错误诊断信息）返回给模型，让其反复修改程序。这在代码编写与测试之间形成反馈闭环，而非止步于模型首次生成的代码。

研究人员指出，仿真能够发现 Static（不运行代码的静态检查）或 Semantic（检查指令含义及一致性）可能遗漏的 Execution failures（运行时故障）。报告中的例子包括工件释放高度不当，以及机械臂无法触及目标位置。

评估包括一套含 30 个问题的信息检索测试，以及限定范围内的代码生成测试。不过，现有资料尚未披露详细成功率，因此仍无法判断该方法在多种工厂环境或机器人型号中的实用程度。论文目前仍是 arXiv v1 版本，并已获接收，将于 2026 年 10 月在 Abu Dhabi 的 Khalifa University 举办的 CIE53 上发表。