OceanPlan: Hierarchical Planning and Replanning for Natural Language AUV Piloting in Large-scale Unexplored Ocean Environments

要約

私たちは、階層的な LLM タスク動作計画および再計画フレームワークを開発し、世界の強化された表現を通じて、抽象化された人間のコマンドを有形の自律型水中車両 (AUV) 制御に効率的に定着させます。
また、堅牢な AUV 運用のためにすべてのプランナーに現実世界のフィードバックを提供するための総合的な再プランナーも組み込まれています。
LLM とロボットミッションの間のギャップを埋めるための広範な研究が行われてきましたが、広大で未知の海洋環境における AUV アプリケーションの成功を保証することはできません。
海洋ロボット工学における特定の課題に取り組むために、私たちは実行可能な動作計画を作成するための階層型プランナーを設計します。これにより、長期にわたるミッションをサブタスクに分解することで計画の効率とソリューションの品質を実現します。
同時に、計画実行中の環境の不確実性に対処するために、再計画担当者によってリアルタイムのデータ ストリームが取得されます。
実験により、私たちが提案したフレームワークが自然言語操縦を通じて長期ミッションの AUV パフォーマンスを成功させることが検証されました。

要約(オリジナル)

We develop a hierarchical LLM-task-motion planning and replanning framework to efficiently ground an abstracted human command into tangible Autonomous Underwater Vehicle (AUV) control through enhanced representations of the world. We also incorporate a holistic replanner to provide real-world feedback with all planners for robust AUV operation. While there has been extensive research in bridging the gap between LLMs and robotic missions, they are unable to guarantee success of AUV applications in the vast and unknown ocean environment. To tackle specific challenges in marine robotics, we design a hierarchical planner to compose executable motion plans, which achieves planning efficiency and solution quality by decomposing long-horizon missions into sub-tasks. At the same time, real-time data stream is obtained by a replanner to address environmental uncertainties during plan execution. Experiments validate that our proposed framework delivers successful AUV performance of long-duration missions through natural language piloting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google