Bootstrapping Object-level Planning with Large Language Models

要約

大規模な言語モデル（LLM）から知識を抽出してオブジェクトレベルの計画を作成する新しい方法を導入します。オブジェクトレベルの計画は、オブジェクト状態の高レベルの変更を記述し、それらを使用してタスクとモーションプランニング（TAMP）をブートストラップします。
既存の作業では、LLMSを使用して、タスク計画を直接出力するか、PDDLなどの表現の目標を生成します。
ただし、これらの方法は、実際の計画を実行するためにLLMに依存しているため、満足していない目標を出力するため、これらの方法が不足しています。
代わりに、私たちのアプローチは、PDDLサブゴールを自動的に生成する機能的オブジェクト指向ネットワーク（FOON）と呼ばれるオブジェクトレベルの表現として、計画スキーマの形でLLMから知識を抽出します。
私たちの方法は、シミュレーションでいくつかのピックアンドプレイスタスクを完了する際に、代替計画戦略を著しく上回っています。

要約(オリジナル)

We introduce a new method that extracts knowledge from a large language model (LLM) to produce object-level plans, which describe high-level changes to object state, and uses them to bootstrap task and motion planning (TAMP). Existing work uses LLMs to directly output task plans or generate goals in representations like PDDL. However, these methods fall short because they rely on the LLM to do the actual planning or output a hard-to-satisfy goal. Our approach instead extracts knowledge from an LLM in the form of plan schemas as an object-level representation called functional object-oriented networks (FOON), from which we automatically generate PDDL subgoals. Our method markedly outperforms alternative planning strategies in completing several pick-and-place tasks in simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google