GSCE: A Prompt Framework with Enhanced Reasoning for Reliable LLM-driven Drone Control

要約

ドローンを含む大規模な言語モデル（LLMS）のロボット制御への統合は、自律システムに革命をもたらす可能性があります。
調査研究では、LLMを活用してロボット操作をサポートできることが実証されています。
ただし、複雑な推論でタスクに直面する場合、LLMSが生成するソリューションの信頼性について懸念と課題が提起されます。
この論文では、ドローンの信頼性の高いLLM駆動型制御を可能にするための強化された推論を備えた迅速なフレームワークを提案します。
私たちのフレームワークは、ガイドライン、スキルAPI、制約、つまりGSCEを使用して設計された新しい技術コンポーネントで構成されています。
GSCEは、信頼できる制約に準拠したコード生成によって紹介されています。
GSCEを使用して、幅広いレベルのタスクの複雑さを備えたドローンの制御のために徹底的な実験を行いました。
私たちの実験結果は、GSCEがベースラインアプローチと比較してタスクの成功率と完全性を大幅に改善できることを示しており、信頼性の高いLLM駆動型の自律ドローンシステムの可能性を強調しています。

要約(オリジナル)

The integration of Large Language Models (LLMs) into robotic control, including drones, has the potential to revolutionize autonomous systems. Research studies have demonstrated that LLMs can be leveraged to support robotic operations. However, when facing tasks with complex reasoning, concerns and challenges are raised about the reliability of solutions produced by LLMs. In this paper, we propose a prompt framework with enhanced reasoning to enable reliable LLM-driven control for drones. Our framework consists of novel technical components designed using Guidelines, Skill APIs, Constraints, and Examples, namely GSCE. GSCE is featured by its reliable and constraint-compliant code generation. We performed thorough experiments using GSCE for the control of drones with a wide level of task complexities. Our experiment results demonstrate that GSCE can significantly improve task success rates and completeness compared to baseline approaches, highlighting its potential for reliable LLM-driven autonomous drone systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google