通过多层大型语言模型增强机器人任务规划和执行
Zhirong Luan1, Yujun Lai1, Rundong Huang1
1School of Electrical Engineering, Xi'an University of Technology, Xi'an 710000, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
本研究介绍了一种多层大语言模型 (LLM),用于改进机器人任务规划和执行. 该方法通过整合环境感知和语义对齐来提高复杂任务处理,以实现更准确的机器人运动规划.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 大型语言模型 (LLM) 在机器人任务规划和分解方面表现有前途.
- 对机器人任务执行的LLM的直接应用面临着复杂任务,环境交互和指令可执行性的挑战.
研究的目的:
- 提出一种多层次的LLM方法,以提高机器人的复杂任务规划和执行能力.
- 提高LLMs产生的机器人指令的准确性和实际可执行性.
主要方法:
- 实现了多层的LLM,用于层次的任务分解.
- 集成了一个视觉语言模型,用于环境感知和数据同化.
- 采用语义对齐方法来完善任务规划输出与机器人运动要求.
主要成果:
- 多层LLM方法在任务规划中表现出更高的准确性.
- 整合环境感知改善了针对特定环境量身定制的机器人运动规划.
- 语义对齐完善了生成的机器人指令的连贯性和兼容性.
结论:
- 拟议的多层LLM有效地解决了机器人任务规划和执行方面的挑战.
- 这种方法通过综合感知和规划来增强机器人的处理复杂任务的能力.


