机器人现在是非常热门的方向，尤其是大模型起来之后，与机器人结合。最近在开发AI应用时，引发了我不少思考。 
以我之前接触过的工业机器人为例，其核心逻辑基本是基于规则和指令的执行系统：上层系统下发明确指令，机器人按既定程序完成动作，主要强调稳定性，包括机器人的地图，在工业场景下，大多执行路线都是固定的。 
但近两年市场上出现了不少“大模型 + 机器人”的方案，号称可以实现： 

自然语言意图识别
复杂任务的自动规划与分解
动作序列的生成与动态调整
多任务、多约束下的自主决策

让我比较好奇的是： 
这些能力在真实机器人系统中到底是如何落地的？ 
我个人目前对机器人底层控制和智能决策实现了解不多，之前工作接触过上层通信、调度和系统集成，所以在理解这些方案时有几个疑问： 

大模型在其中主要扮演什么角色，有实际参与指令规划，智能逻辑生成么（比如商业机器人在抓取货物并放到指定位置的简单逻辑中涉及哪...