RoboMorph: Evolving Robot Morphology using Large Language Models

要約

大規模言語モデル (LLM) と進化的アルゴリズムを使用してモジュール式ロボット設計を生成および最適化する自動化アプローチである RoboMorph を紹介します。
このフレームワークでは、各ロボット設計を文法として表現し、LLM の機能を活用して、従来は時間がかかり、計算量が多かった広範なロボット設計空間をナビゲートします。
RoboMorph は、自動プロンプト設計と強化学習ベースの制御アルゴリズムを統合することで、フィードバック ループを通じてロボット設計を反復的に改善します。
私たちの実験結果は、RoboMorph が単一の地形に最適化された自明ではないロボットの生成に成功すると同時に、連続的な進化による形態の改善を示していることを示しています。
私たちのアプローチは、データ駆動型のモジュール式ロボット設計に LLM を使用する可能性を実証し、同様の設計フレームワークを使用して他の領域に拡張できる有望な方法論を提供します。

要約(オリジナル)

We introduce RoboMorph, an automated approach for generating and optimizing modular robot designs using large language models (LLMs) and evolutionary algorithms. In this framework, we represent each robot design as a grammar and leverage the capabilities of LLMs to navigate the extensive robot design space, which is traditionally time-consuming and computationally demanding. By integrating automatic prompt design and a reinforcement learning based control algorithm, RoboMorph iteratively improves robot designs through feedback loops. Our experimental results demonstrate that RoboMorph can successfully generate nontrivial robots that are optimized for a single terrain while showcasing improvements in morphology over successive evolutions. Our approach demonstrates the potential of using LLMs for data-driven and modular robot design, providing a promising methodology that can be extended to other domains with similar design frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google