HiCRISP: An LLM-based Hierarchical Closed-Loop Robotic Intelligent Self-Correction Planner

要約

大規模言語モデル (LLM) のロボット工学への統合により、人間とロボットの相互作用と自律的なタスク計画に革命が起こりました。
ただし、これらのシステムはタスクの実行中に自己修正できないことが多く、動的な現実世界の環境への適応性が妨げられます。
この問題に対処するために、我々は、ロボットがタスク実行中の個々のステップ内のエラーを修正できるようにする革新的なフレームワークである、階層型閉ループ ロボット インテリジェント自己修正プランナー (HiCRISP) を紹介します。
HiCRISP は、タスク実行プロセスをアクティブに監視して適応させ、高レベルの計画エラーと低レベルのアクション エラーの両方に対処します。
仮想および現実世界のシナリオを含む広範なベンチマーク実験により、HiCRISP の卓越したパフォーマンスが実証され、LLM を使用したロボット タスク プランニングの有望なソリューションとして位置づけられています。

要約(オリジナル)

The integration of Large Language Models (LLMs) into robotics has revolutionized human-robot interactions and autonomous task planning. However, these systems are often unable to self-correct during the task execution, which hinders their adaptability in dynamic real-world environments. To address this issue, we present a Hierarchical Closed-loop Robotic Intelligent Self-correction Planner (HiCRISP), an innovative framework that enables robots to correct errors within individual steps during the task execution. HiCRISP actively monitors and adapts the task execution process, addressing both high-level planning and low-level action errors. Extensive benchmark experiments, encompassing virtual and real-world scenarios, showcase HiCRISP’s exceptional performance, positioning it as a promising solution for robotic task planning with LLMs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google