Closed-loop Long-horizon Robotic Planning via Equilibrium Sequence Modeling

要約

自律ロボットに行動を起こさせる取り組みにおいて、タスク計画は大きな課題であり、高レベルのタスク記述を長期的な行動シーケンスに変換する必要があります。
言語モデル エージェントの最近の進歩にもかかわらず、言語モデル エージェントは依然として計画エラーを起こしやすく、事前に計画する能力が限られています。
ロボット計画におけるこれらの制限に対処するために、私たちは、均衡に達するまで草案計画を繰り返し改良する自己調整スキームを提唱します。
注目すべきことに、このプロセスは、追加の検証者や報酬モデルを厳選することなく、分析の観点からエンドツーエンドで最適化できるため、シンプルな教師あり学習方式で自己洗練プランナーをトレーニングできるようになります。
一方、入れ子になった平衡シーケンス モデリング手順は、環境 (または内部世界モデル) からの有用なフィードバックを組み込んだ効率的な閉ループ計画のために考案されています。
私たちの手法は VirtualHome-Env ベンチマークで評価され、推論計算のスケーリングが改善された高度なパフォーマンスを示しています。
コードは https://github.com/Singularity0104/equilibrium-planner で入手できます。

要約(オリジナル)

In the endeavor to make autonomous robots take actions, task planning is a major challenge that requires translating high-level task descriptions into long-horizon action sequences. Despite recent advances in language model agents, they remain prone to planning errors and limited in their ability to plan ahead. To address these limitations in robotic planning, we advocate a self-refining scheme that iteratively refines a draft plan until an equilibrium is reached. Remarkably, this process can be optimized end-to-end from an analytical perspective without the need to curate additional verifiers or reward models, allowing us to train self-refining planners in a simple supervised learning fashion. Meanwhile, a nested equilibrium sequence modeling procedure is devised for efficient closed-loop planning that incorporates useful feedback from the environment (or an internal world model). Our method is evaluated on the VirtualHome-Env benchmark, showing advanced performance with better scaling for inference computation. Code is available at https://github.com/Singularity0104/equilibrium-planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google