LLM-DWA: un marco de planificación de rutas híbrido que combina modelos de lenguaje grandes con el enfoque de ventana...

Área de la Ciencia:

• Robótica
• Inteligencia Artificial

Sus antecedentes:

• El algoritmo del enfoque de ventana dinámica (DWA) enfrenta desafíos con los mínimos locales y la planificación de rutas ineficiente en entornos complejos.
• El DWA convencional carece de la capacidad de incorporar conocimiento previo del entorno, lo que lleva a un rendimiento degradado, particularmente con obstáculos en forma de U.

Objetivo del estudio:

• Mejorar el rendimiento de alcance de objetivo y la eficiencia del algoritmo DWA.
• Abordar el problema de los mínimos locales y reducir el tiempo de planificación en escenarios de navegación complejos.

Principales métodos:

• Integración de modelos de lenguaje grandes (LLM) con el enfoque de ventana dinámica (DWA).
• Utilización de las capacidades de razonamiento de los LLM para interpretar la información del entorno y generar puntos de ruta intermedios.
• Validación experimental en entornos de cuadrícula 2D y plataformas de simulación 3D.

Principales resultados:

• El método híbrido propuesto basado en LLM mejora significativamente la eficiencia en escenarios con obstáculos en forma de U.
• Se observaron tiempos de alcance de objetivo más cortos en comparación con el DWA convencional.
• Demostró un rendimiento de navegación mejorado en entornos complejos.

Conclusiones:

• La combinación de LLM con DWA supera eficazmente las limitaciones del enfoque convencional.
• El DWA mejorado con LLM ofrece una solución prometedora para la navegación robótica eficiente y robusta en entornos complejos.
• El método híbrido muestra un rendimiento superior en escenarios con configuraciones de obstáculos desafiantes.