Errors are Useful Prompts: Instruction Guided Task Programming with Verifier-Assisted Iterative Prompting

要約

高レベルの自然言語命令から低レベルのロボット タスク プランを生成することは、依然として困難な問題です。
大規模な言語モデルは、計画の生成において有望な結果を示していますが、出力の正確性は未確認のままです。
さらに、ドメイン固有の言語データがないため、これらのモデルの適用性が制限されます。
このホワイト ペーパーでは、CLAIRIFY を提案します。CLAIRIFY は、自動反復プロンプトとプログラム検証を組み合わせて、データ不足のドメイン固有言語で記述されたプログラムが構文的に有効であり、環境制約が組み込まれていることを保証する新しいアプローチです。
私たちのアプローチは、エラーをフィードバックとして組み込むことにより、構造化されたようなタスクプランを生成する言語モデルに効果的なガイダンスを提供し、検証者は生成された計画の構文の正確性を保証します。
最先端の結果を達成することにより、化学実験の計画における CLAIRIFY の有効性を実証します。
また、生成された計画をタスクおよびモーション プランナーと統合することにより、実際のロボットで実行できることも示します。

要約(オリジナル)

Generating low-level robot task plans from high-level natural language instructions remains a challenging problem. Although large language models have shown promising results in generating plans, the accuracy of the output remains unverified. Furthermore, the lack of domain-specific language data poses a limitation on the applicability of these models. In this paper, we propose CLAIRIFY, a novel approach that combines automatic iterative prompting with program verification to ensure programs written in data-scarce domain-specific language are syntactically valid and incorporate environment constraints. Our approach provides effective guidance to the language model on generating structured-like task plans by incorporating any errors as feedback, while the verifier ensures the syntactic accuracy of the generated plans. We demonstrate the effectiveness of CLAIRIFY in planning chemistry experiments by achieving state-of-the-art results. We also show that the generated plans can be executed on a real robot by integrating them with a task and motion planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google