Scalable Task Planning via Large Language Models and Structured World Representations

要約

計画方法は、大規模な環境でタスクレベルの問題を解決する際に計算上の扱いやすさと闘っています。
この作業では、LLMSでエンコードされた常識的な知識を活用して、これらの複雑なシナリオに対処する計画技術を強化することを探ります。
LLMSを効率的に使用して、計画問題の状態空間から無関係なコンポーネントを剪定し、その複雑さを大幅に簡素化することにより、これを達成します。
7-dofマニピュレーター（ビデオhttps://youtu.be/6ro2uotoqs4）を使用した実世界の検証とともに、家庭用シミュレーション環境内での広範な実験を通じてこのシステムの有効性を実証します。

要約(オリジナル)

Planning methods struggle with computational intractability in solving task-level problems in large-scale environments. This work explores leveraging the commonsense knowledge encoded in LLMs to empower planning techniques to deal with these complex scenarios. We achieve this by efficiently using LLMs to prune irrelevant components from the planning problem’s state space, substantially simplifying its complexity. We demonstrate the efficacy of this system through extensive experiments within a household simulation environment, alongside real-world validation using a 7-DoF manipulator (video https://youtu.be/6ro2UOtOQS4).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google