CLIMB: Language-Guided Continual Learning for Task Planning with Iterative Model Building

要約

インテリジェントで信頼性の高いタスク計画は、汎用ロボット工学の中核機能であり、シーンのすべてのオブジェクトと状態情報を十分にモデル化する記述的なドメイン表現が必要です。
CLIMB は、基礎モデルと実行フィードバックを活用してドメイン モデルの構築をガイドする、ロボット タスク計画のための継続的な学習フレームワークです。
CLIMB は、自然言語記述からモデルを構築し、タスクを解決する際に自明ではない述語を学習し、将来の問題に備えてその情報を保存できます。
ベースライン手法と比較して、一般的な計画環境でパフォーマンスを向上させる CLIMB の機能を実証します。
また、継続的な学習を評価するために、簡単に使用できる実際の対応物を備えたシミュレート環境である BlocksWorld++ ドメインと、難易度の高いタスクのカリキュラムも開発します。
このシステムの詳細とデモは、 https://plan-with-climb.github.io/ でご覧いただけます。

要約(オリジナル)

Intelligent and reliable task planning is a core capability for generalized robotics, requiring a descriptive domain representation that sufficiently models all object and state information for the scene. We present CLIMB, a continual learning framework for robot task planning that leverages foundation models and execution feedback to guide domain model construction. CLIMB can build a model from a natural language description, learn non-obvious predicates while solving tasks, and store that information for future problems. We demonstrate the ability of CLIMB to improve performance in common planning environments compared to baseline methods. We also develop the BlocksWorld++ domain, a simulated environment with an easily usable real counterpart, together with a curriculum of tasks with progressing difficulty for evaluating continual learning. Additional details and demonstrations for this system can be found at https://plan-with-climb.github.io/ .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google