探索基于GPT的大型语言模型,用于基于VR的人机器人团队模拟的可变自主性
Younes Lakhnati1, Max Pascher1,2, Jens Gerken1
1Inclusive Human-Robot-Interaction, TU Dortmund University, Dortmund, NW, Germany.
Frontiers in robotics and AI
|April 18, 2024
概括
这项研究引入了一个新的框架,用于人机组合使用大型语言模型 (LLM),如生成预训练变压器 (GPT). 调查结果显示,用户往往未充分利用GPT功能,但探索会导致更自然的沟通.
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
- 人与计算机的交互
背景情况:
- 自主系统和机器人在数字环境中越来越普遍.
- 将大型语言模型 (LLM) 集成到人机组中,可以通过口头沟通实现可变的自主性.
研究的目的:
- 为GPT驱动的多机器人测试台引入一种新的模拟框架.
- 在基于自然语言的模拟多机器人环境中探索用户交互和策略.
- 评估生成预训练变压器 (GPT) -4在促进人机通信方面的有效性.
主要方法:
- 为多机器人测试台开发一个统一的虚拟现实 (VR) 模拟框架.
- 实现模拟机器人代理的单个GPT核心,使用OpenAI的功能要求自然语言到动作映射.
- 对12名参与者进行了用户研究,以观察互动策略和沟通效率.
主要成果:
- 用户经常表现出对与机器人对话的先入为主的观念,限制了对高级语言能力的探索.
- 积极探索LLM能力的参与者体验到更自然和更类似人类的沟通.
- 该框架成功地将自然语言输入与结构化的机器人行为联系起来.
结论:
- 未来的系统应该鼓励用户探索LLM驱动机器人的全部认知和语言潜力.
- 学到的经验教训为设计和实施有效的人机组系统提供了洞察力.
- 通过LLM增强的口头沟通可以显著改善人机协作.


