LLCoach: Generating Robot Soccer Plans using Multi-Role Large Language Models

要約

人間のシナリオにロボットを導入するには、特に動的で構造化されていない環境でロボットを動作させる場合、高度な計画戦略が必要になります。
ロボカップは、それらのシナリオの 1 つであるサッカーの試合に代表される人間の形をしたゲームにロボットを導入する機会を提供します。
このようなシナリオでは、ロボットは事前定義された動作を使用して動作する必要があり、予測不可能な状況では失敗する可能性があります。
この論文では、このような環境、特にロボットがサッカーの戦略を自律的に実行する必要があるロボカップ スタンダード プラットフォーム リーグ (SPL) 競技会のコンテキスト内で、実行可能な計画を生成するという課題に対処するための大規模言語モデル (LLM) の新しいアプリケーションを紹介します。
個々のエージェントのやり取りから。
特に、LLM の機能を活用してロボット サッカー チームの計画を生成し、改良するマルチロール アプローチを提案します。
提案された方法の可能性は、AI が生成したプランを持つロボットと人間が作成したコードを実行するロボットが対戦する複数の試合をシミュレートして実行される実験評価を通じて実証されます。

要約(オリジナル)

The deployment of robots into human scenarios necessitates advanced planning strategies, particularly when we ask robots to operate in dynamic, unstructured environments. RoboCup offers the chance to deploy robots in one of those scenarios, a human-shaped game represented by a soccer match. In such scenarios, robots must operate using predefined behaviors that can fail in unpredictable conditions. This paper introduces a novel application of Large Language Models (LLMs) to address the challenge of generating actionable plans in such settings, specifically within the context of the RoboCup Standard Platform League (SPL) competitions where robots are required to autonomously execute soccer strategies that emerge from the interactions of individual agents. In particular, we propose a multi-role approach leveraging the capabilities of LLMs to generate and refine plans for a robotic soccer team. The potential of the proposed method is demonstrated through an experimental evaluation,carried out simulating multiple matches where robots with AI-generated plans play against robots running human-built code.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google