本文研究了将大型语言模型与视觉定位和机器抓取系统集成，提高人机交互有效性。在物理机器人上部署了基于LLM的系统，为指导抓取任务提供用户友好界面，并在实际场景中进行了实验，证明了框架的可行性和有效性。