BTGenBot: Behavior Tree Generation for Robotic Tasks with Lightweight LLMs

要約

この論文では、最大 70 億のパラメータを持つ軽量ラージ言語モデル (LLM) を使用してロボットの動作ツリーを生成する新しいアプローチを紹介します。
この研究は、特定のデータセットで微調整すると、コンパクトな LLM で満足のいく結果を達成できることを示しています。
この研究の主な貢献には、GPT-3.5 を使用した既存のビヘイビア ツリーに基づく微調整データセットの作成と、9 つの異なるタスクにわたる複数の LLM (つまり、llama2、llama-chat、および code-llama) の包括的な比較が含まれます。
徹底するために、静的構文解析、検証システム、模擬環境、および実際のロボットを使用して、生成された動作ツリーを評価しました。
さらに、この研究により、そのようなソリューションをロボットに直接展開する可能性が開かれ、実用性が高まります。
この研究の結果は、効果的かつ効率的なロボットの動作を生成する際に、限られた数のパラメーターを使用する LLM の可能性を示しています。

要約(オリジナル)

This paper presents a novel approach to generating behavior trees for robots using lightweight large language models (LLMs) with a maximum of 7 billion parameters. The study demonstrates that it is possible to achieve satisfying results with compact LLMs when fine-tuned on a specific dataset. The key contributions of this research include the creation of a fine-tuning dataset based on existing behavior trees using GPT-3.5 and a comprehensive comparison of multiple LLMs (namely llama2, llama-chat, and code-llama) across nine distinct tasks. To be thorough, we evaluated the generated behavior trees using static syntactical analysis, a validation system, a simulated environment, and a real robot. Furthermore, this work opens the possibility of deploying such solutions directly on the robot, enhancing its practical applicability. Findings from this study demonstrate the potential of LLMs with a limited number of parameters in generating effective and efficient robot behaviors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google