Conformal Temporal Logic Planning using Large Language Models

要約

この論文では、自然言語 (NL) を使用して表現される複数の高レベルのサブタスクを実行する任務を負った移動ロボットの新しい動作計画の問題を扱います。
これらのサブタスクは、時間的かつ論理的な順序で実行する必要があります。
包括的なミッションを正式に定義するために、これらの NL ベースのサブタスクをモデル化するアトミック述語に対して定義された線形時相論理 (LTL) を活用します。
これは、必要な低レベルのシステム構成をキャプチャするアトミック述語に対して LTL タスクを定義する関連する計画アプローチとは対照的です。
私たちの目標は、NL ベースの原子命題に基づいて定義された LTL タスクを満たすロボット計画を設計することです。
この設定で生じる新たな技術的課題は、そのような LTL でエンコードされたタスクに関するロボット計画の正確性を推論することにあります。
この問題に対処するために、階層的等角自然言語プランナーである HERACLEs を提案します。これは、(i) オートマトン理論に依存して、ミッションを進行させるために次にどの NL 指定のサブタスクを達成する必要があるかを決定します。
(ii) これらのサブタスクを満たすロボット計画を設計するための大規模言語モデル。
(iii) 設計された計画の正しさを確率的に推論し、外部支援が必要かどうかを判断するための等角予測。
私たちは、理論的な確率論的なミッション満足度の保証と、モバイル操作タスクに関する広範な比較実験を提供します。

要約(オリジナル)

This paper addresses a new motion planning problem for mobile robots tasked with accomplishing multiple high-level sub-tasks, expressed using natural language (NL). These sub-tasks should be accomplished in a temporal and logical order. To formally define the overarching mission, we leverage Linear Temporal Logic (LTL) defined over atomic predicates modeling these NL-based sub-tasks. This is in contrast to related planning approaches that define LTL tasks over atomic predicates capturing desired low-level system configurations. Our goal is to design robot plans that satisfy LTL tasks defined over NL-based atomic propositions. A novel technical challenge arising in this setup lies in reasoning about correctness of a robot plan with respect to such LTL-encoded tasks. To address this problem, we propose HERACLEs, a hierarchical conformal natural language planner, that relies on (i) automata theory to determine what NL-specified sub-tasks should be accomplished next to make mission progress; (ii) Large Language Models to design robot plans satisfying these sub-tasks; and (iii) conformal prediction to reason probabilistically about correctness of the designed plans and to determine if external assistance is required. We provide theoretical probabilistic mission satisfaction guarantees as well as extensive comparative experiments on mobile manipulation tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google