LaMMA-P: Generalizable Multi-Agent Long-Horizon Task Allocation and Planning with LM-Driven PDDL Planner

要約

言語モデル (LM) は自然言語を理解する強力な能力を備えており、人間の指示を単純なロボット タスクの詳細な計画に変換するのに効果的です。
それにもかかわらず、特に協力的な異種ロボットチームのサブタスクの特定と割り当てにおいて、長期的なタスクを処理することは依然として大きな課題です。
この問題に対処するために、私たちは、長期タスクで最先端のパフォーマンスを実現する新しいマルチエージェント タスク プランニング フレームワークである、言語モデル駆動型マルチエージェント PDDL プランナー (LaMMA-P) を提案します。
LaMMA-P は、LM の推論能力と従来のヒューリスティック検索プランナーの長所を統合して、タスク全体にわたる強力な一般化を実証しながら、高い成功率と効率を実現します。
さらに、AI2-THOR 環境に基づいて 2 つの異なる複雑さの家事タスクを特徴とする包括的なベンチマークである MAT-THOR を作成します。
実験結果は、LaMMA-P が既存の LM ベースのマルチエージェント プランナーよりも 105% 高い成功率と 36% 高い効率を達成することを示しています。
この作業の実験ビデオ、コード、データセット、および各モジュールで使用される詳細なプロンプトは、https://lamma-p.github.io で入手できます。

要約(オリジナル)

Language models (LMs) possess a strong capability to comprehend natural language, making them effective in translating human instructions into detailed plans for simple robot tasks. Nevertheless, it remains a significant challenge to handle long-horizon tasks, especially in subtask identification and allocation for cooperative heterogeneous robot teams. To address this issue, we propose a Language Model-Driven Multi-Agent PDDL Planner (LaMMA-P), a novel multi-agent task planning framework that achieves state-of-the-art performance on long-horizon tasks. LaMMA-P integrates the strengths of the LMs’ reasoning capability and the traditional heuristic search planner to achieve a high success rate and efficiency while demonstrating strong generalization across tasks. Additionally, we create MAT-THOR, a comprehensive benchmark that features household tasks with two different levels of complexity based on the AI2-THOR environment. The experimental results demonstrate that LaMMA-P achieves a 105% higher success rate and 36% higher efficiency than existing LM-based multi-agent planners. The experimental videos, code, and datasets of this work as well as the detailed prompts used in each module are available at https://lamma-p.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google