CaStL: Constraints as Specifications through LLM Translation for Long-Horizon Task and Motion Planning

要約

大規模言語モデル (LLM) は、明確で単純な自然言語の問題を計画ドメイン定義言語 (PDDL) などの正式な仕様に変換することにより、長期的なタスクおよびモーション プランニング (TAMP) において顕著な能力を実証してきました。
ただし、現実の問題は曖昧なことが多く、多くの複雑な制約が伴います。
この論文では、目標条件、アクションの順序付け、アクションのブロックなどの制約を自然言語から多段階で特定するフレームワークである LLM による仕様としての制約 (CaStL) を紹介します。
CaStL はこれらの制約を PDDL および Python スクリプトに変換し、カスタム PDDL ソルバーを使用して解決します。
3 つの PDDL ドメインにわたってテストされた CaStL は、複雑なシナリオにおける自然言語仕様からの制約処理と計画の成功率を大幅に向上させます。

要約(オリジナル)

Large Language Models (LLMs) have demonstrated remarkable ability in long-horizon Task and Motion Planning (TAMP) by translating clear and straightforward natural language problems into formal specifications such as the Planning Domain Definition Language (PDDL). However, real-world problems are often ambiguous and involve many complex constraints. In this paper, we introduce Constraints as Specifications through LLMs (CaStL), a framework that identifies constraints such as goal conditions, action ordering, and action blocking from natural language in multiple stages. CaStL translates these constraints into PDDL and Python scripts, which are solved using an custom PDDL solver. Tested across three PDDL domains, CaStL significantly improves constraint handling and planning success rates from natural language specification in complex scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google