長時域操作任務在強化學習中面臨重大挑戰，主要因為獎勵信號稀疏且時間跨度長。自動課程學習（ACL）通過從易到難逐步訓練智能體來緩解這一問題，但其成功高度依賴人工設計的任務參數空間和難度度量，導致難以泛化。近年來，大語言模型（LLM）憑藉豐富的常識知識，能夠將複雜任務分解為有意義的子任務，為課程學習提供自然結構。然而，現有基於LLM的方法通常需要手動設計密集的獎勵函數來學習每個子任務，這引入了偏差且仍需大量人工干預。
本文提出LEACL（LLM-Enhanced Automatic Curriculum Learning）框架，將LLM與ACL深度融合。LEACL利用LLM不僅分解任務，還自動生成每個子任務的依賴規格。這些規格被ACL算法利用，僅通過稀疏獎勵信號指導學習，徹底消除了對密集獎勵設計的依賴。研究團隊在LIBERO基準的五個長時域操作任務上評估了LEACL，包括物品擺放、抽屜開關等。實驗結果顯示，LEACL在成功率方面顯著優於使用人工設計密集獎勵的方法，且收斂速度更快。
該論文由Faraz Heravi等六位作者完成，共8頁，包含4張圖表，已被IEEE/RSJ國際智能機器人與系統會議（IROS 2026）接收。研究代碼和數據尚未公開，但論文提供了詳細的算法描述和實驗設置。這一工作展示了LLM在機器人學習領域的巨大潛力，為未來無需密集人工設計的課程學習方案奠定了基礎。