LLM-mediated Dynamic Plan Generation with a Multi-Agent Approach

要約

動的環境への適応性が高い計画方法は、自律的で汎用性の高いロボットの開発に不可欠です。
動的環境に適応できるネットワークを自動的に生成するために、大規模な言語モデル（GPT-4O）を活用する方法を提案します。
提案された方法は、環境の「ステータス」を収集し、条件と目標を表し、それらを使用してエージェントを生成します。
これらのエージェントは、特定の条件に基づいて相互接続されており、柔軟性と一般性を組み合わせたネットワークをもたらします。
評価実験を実施して、提案された方法と自動的に生成されたネットワークを手動で構築した方法と比較し、提案された方法のネットワークの包括性とその高い一般性を確認しました。
この研究は、ロボット工学、自動運転車、スマートシステム、およびその他の複雑な環境に適用される汎用性のある計画方法の開発に向けた大幅な進歩を示しています。

要約(オリジナル)

Planning methods with high adaptability to dynamic environments are crucial for the development of autonomous and versatile robots. We propose a method for leveraging a large language model (GPT-4o) to automatically generate networks capable of adapting to dynamic environments. The proposed method collects environmental ‘status,’ representing conditions and goals, and uses them to generate agents. These agents are interconnected on the basis of specific conditions, resulting in networks that combine flexibility and generality. We conducted evaluation experiments to compare the networks automatically generated with the proposed method with manually constructed ones, confirming the comprehensiveness of the proposed method’s networks and their higher generality. This research marks a significant advancement toward the development of versatile planning methods applicable to robotics, autonomous vehicles, smart systems, and other complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google