RoboMorph: Evolving Robot Morphology using Large Language Models

要約

Robomorphは、大規模な言語モデル（LLM）と進化的アルゴリズムを使用してモジュラーロボット設計を生成および最適化するための自動化されたアプローチであるRobomorphを紹介します。
このフレームワークでは、各ロボット設計を文法として表し、LLMの機能を活用して、従来時間がかかり、計算的に要求が厳しい広範なロボット設計スペースをナビゲートします。
Best-Shotプロンプト技術と強化学習ベースの制御アルゴリズムを導入することにより、Robomorphはフィードバックループを通じてロボット設計を改善します。
実験結果は、Robomorphがさまざまな地形用に最適化された非些細なロボットを成功裏に生成し、連続した進化よりもロボットの形態の改善を紹介することを示しています。
私たちのアプローチは、データ駆動型のモジュラーロボット設計にLLMを使用する可能性を強調し、同様の設計フレームワークを持つ他のドメインに拡張できる有望な方法論を提供します。

要約(オリジナル)

We introduce RoboMorph, an automated approach for generating and optimizing modular robot designs using large language models (LLMs) and evolutionary algorithms. In this framework, we represent each robot design as a grammar and leverage the capabilities of LLMs to navigate the extensive robot design space, which is traditionally time-consuming and computationally demanding. By introducing a best-shot prompting technique and a reinforcement learning-based control algorithm, RoboMorph iteratively improves robot designs through feedback loops. Experimental results demonstrate that RoboMorph successfully generates nontrivial robots optimized for different terrains while showcasing improvements in robot morphology over successive evolutions. Our approach highlights the potential of using LLMs for data-driven, modular robot design, providing a promising methodology that can be extended to other domains with similar design frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google