Language models are robotic planners: reframing plans as goal refinement graphs

要約

大規模言語モデル (LLM) をロボットの計画と実行にうまく適用できれば、現実世界の多数のタスクを自動化する道が開かれる可能性があります。
有望な最近の研究が実施され、LLM に含まれる知識が、インタラクティブな具体化された環境で実行可能な目標主導型の意思決定に利用できることが示されています。
それにもかかわらず、LLM によって生成されたプログラムの正確性は大幅に低下しています。
ソフトウェアエンジニアリングからの目標モデリング技術を、ロボット計画を生成する大規模な言語モデルに適用します。
具体的には、LLM はタスクのステップ改良グラフを生成するように求められます。
このリファインメントグラフから変換されたプログラムの実行性と正確性が評価されます。
このアプローチにより、以前の作業と比較して、人間が判断したときにより正確なプログラムが得られます。

要約(オリジナル)

Successful application of large language models (LLMs) to robotic planning and execution may pave the way to automate numerous real-world tasks. Promising recent research has been conducted showing that the knowledge contained in LLMs can be utilized in making goal-driven decisions that are enactable in interactive, embodied environments. Nonetheless, there is a considerable drop in correctness of programs generated by LLMs. We apply goal modeling techniques from software engineering to large language models generating robotic plans. Specifically, the LLM is prompted to generate a step refinement graph for a task. The executability and correctness of the program converted from this refinement graph is then evaluated. The approach results in programs that are more correct as judged by humans in comparison to previous work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google