language-planner

用大模型零样本生成任务规划，直接驱动具身智能体。

language-planner 是论文《Language Models as Zero-Shot Planners》的官方代码，旨在利用大型语言模型（LLM）作为具身智能体的零样本规划器。该项目解决的是传统规划方法需要大量人工标注或训练数据的问题，通过从LLM中提取可操作的知识，直接生成任务规划。核心能力包括：基于API的LLM调用、任务分解与动作序列生成、以及将规划结果映射到虚拟环境（如ALFRED）中执行。代码支持多种LLM接口，并提供了评估脚本和示例，帮助研究者复现论文结果并扩展自己的场景。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 281

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队huangwl18

所属国家

官网地址https://huangwl18.github.io/language-planner

GitHubhttps://github.com/huangwl18/language-planner

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型artificial-intelligence,codex,deep-learning,embodied-ai,foundation-models,gpt-3,in-context-learning,knowledge-extraction,language-model,planning,transformers

GitHub 星标★ 281

30天Star增速

HF 下载量

上线时间2022-01-03 00:00:00

最近更新2026-09-18 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数6

使用教程

核心亮点

零样本规划，无需微调或训练，直接利用预训练LLM生成动作序列。
提供完整评估流程，支持ALFRED基准，便于复现论文结果。
代码结构清晰，模块化设计，易于扩展新任务和LLM接口。

不足之处

依赖外部LLM API，运行成本高且受限于网络和API配额。
规划成功率受LLM能力影响，复杂任务可能产生无效动作。
文档/社区待观察

适用场景

具身智能研究：在虚拟环境中测试LLM的规划能力。
任务规划原型：快速验证LLM在特定任务上的可行性。
教学演示：展示零样本规划的概念和实现。

替代项目

Voyager、HuggingGPT、TaskMatrix.AI

项目介绍

language-planner 是模型训练领域的开源项目，由 huangwl18 开发，2022 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 281。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：具身智能研究：在虚拟环境中测试LLM的规划能力。同类可对比的替代方案包括 Voyager、HuggingGPT、TaskMatrix.AI。

上一篇：tirex

下一篇：finetune-SAM