การจัดการกับสิ่งของจำนวนมากในสภาพแวดล้อมที่แออัด (Clutter) ยังคงเป็นความท้าทายหลักสำหรับหุ่นยนต์ในปัจจุบัน เนื่องจากความซับซ้อนของการคำนวณการชนและฟิสิกส์ของการสัมผัสที่คาดเดาได้ยาก งานวิจัยนี้จึงนำเสนอ LENS (LLM-guided Environment Simplification) ซึ่งเป็นระบบเสริมแบบ plug-and-play ที่ใช้ Large Language Models (LLM) เข้ามาช่วยสร้างภาพจำลองสภาพแวดล้อมที่เรียบง่ายขึ้นให้แก่ระบบควบคุมเดิม
ระบบ LENS ทำงานโดยการวิเคราะห์ภารกิจและสภาพแวดล้อมเพื่อทำการ 'ยุบรวม' สิ่งของที่วางซ้อนกัน หรือ 'ตัดออก' วัตถุที่อยู่ห่างไกลและไม่เกี่ยวข้องกับภารกิจออกไปแบบเรียลไทม์ การทำเช่นนี้ช่วยลดภาระการคำนวณของอัลกอริทึมการวางแผนเส้นทางและการควบคุมแบบเดิมได้อย่างมีนัยสำคัญ โดยผลการทดลองพบว่า LENS สามารถช่วยเพิ่มประสิทธิภาพทั้งในระบบวางแผนแบบดั้งเดิม การควบคุมแบบ Model-based และโมเดล Vision-Language-Action (VLA) ในฉากการทำงานที่ซับซ้อนได้อย่างดี
