Automatic Robot Task Planning by Integrating Large Language Model with Genetic Programming

要約

正確なタスク計画は、ロボット、ドローン、自動運転車などの自律システムを制御するために重要です。
動作ツリー（BTS）は、モジュール性、柔軟性、および再利用性のため、タスク計画における最も顕著な制御ポリティ定義フレームワークの1つと考えられています。
ロボットシステムの信頼性が高く正確なBTベースの制御ポリシーを生成することは困難なままであり、多くの場合、ドメインの専門知識が必要です。
このホワイトペーパーでは、BTSの生成と構成を自動化するために、大規模な言語モデル（LLM）と遺伝子プログラミング（GP）を活用するLLM-GP-BT技術を紹介します。
LLM-GP-BT技術は、人間の自然言語で表現されたロボットタスクコマンドを処理し、それらを計算効率的でユーザーフレンドリーな方法で正確で信頼できるBTベースのタスク計画に変換します。
提案された手法は、シミュレーション実験を通じて体系的に開発および検証され、自律システムのタスク計画を合理化する可能性を示しています。

要約(オリジナル)

Accurate task planning is critical for controlling autonomous systems, such as robots, drones, and self-driving vehicles. Behavior Trees (BTs) are considered one of the most prominent control-policy-defining frameworks in task planning, due to their modularity, flexibility, and reusability. Generating reliable and accurate BT-based control policies for robotic systems remains challenging and often requires domain expertise. In this paper, we present the LLM-GP-BT technique that leverages the Large Language Model (LLM) and Genetic Programming (GP) to automate the generation and configuration of BTs. The LLM-GP-BT technique processes robot task commands expressed in human natural language and converts them into accurate and reliable BT-based task plans in a computationally efficient and user-friendly manner. The proposed technique is systematically developed and validated through simulation experiments, demonstrating its potential to streamline task planning for autonomous systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google