RePLan: Robotic Replanning with Perception and Language Models

要約

大規模言語モデル (LLM) の進歩により、高レベルの推論、論理的推論、ロボット工学の計画を容易にする可能性が実証されました。
最近では、LLM は低レベルのロボットの動作に対する報酬関数を生成することもでき、高レベルの計画と低レベルのロボット制御の間のインターフェイスを効果的に橋渡しします。
ただし、構文的に正しい計画であっても、不完全な計画や予期しない環境問題により、ロボットが意図した目標を達成できない可能性があるという課題が残っています。
これを克服するために、ビジョン言語モデル (VLM) は、視覚的な質問応答などのタスクで目覚ましい成功を収めています。
VLM の機能を活用して、長期にわたるタスクのオンライン再計画機能を可能にする、知覚および言語モデルを使用したロボット再計画 (RePLan) と呼ばれる新しいフレームワークを紹介します。
このフレームワークは、VLM による世界の状態の理解によって提供される物理的基盤を利用して、初期計画が望ましい目標を達成できない場合にロボットの動作を適応させます。
私たちは、アプローチをテストするために 8 つの長期タスクを含む推論と制御 (RC) ベンチマークを開発しました。
RePLan を使用すると、ベースライン モデルでは不可能な、実際のロボットには簡単に適用できる、無制限の長期目標を達成しながら、ロボットが予期せぬ障害物にうまく適応できることがわかりました。
詳細については、https://replan-lm.github.io/replan.github.io/ をご覧ください。

要約(オリジナル)

Advancements in large language models (LLMs) have demonstrated their potential in facilitating high-level reasoning, logical reasoning and robotics planning. Recently, LLMs have also been able to generate reward functions for low-level robot actions, effectively bridging the interface between high-level planning and low-level robot control. However, the challenge remains that even with syntactically correct plans, robots can still fail to achieve their intended goals due to imperfect plans or unexpected environmental issues. To overcome this, Vision Language Models (VLMs) have shown remarkable success in tasks such as visual question answering. Leveraging the capabilities of VLMs, we present a novel framework called Robotic Replanning with Perception and Language Models (RePLan) that enables online replanning capabilities for long-horizon tasks. This framework utilizes the physical grounding provided by a VLM’s understanding of the world’s state to adapt robot actions when the initial plan fails to achieve the desired goal. We developed a Reasoning and Control (RC) benchmark with eight long-horizon tasks to test our approach. We find that RePLan enables a robot to successfully adapt to unforeseen obstacles while accomplishing open-ended, long-horizon goals, where baseline models cannot, and can be readily applied to real robots. Find more information at https://replan-lm.github.io/replan.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google