Exploring GPT-4 for Robotic Agent Strategy with Real-Time State Feedback and a Reactive Behaviour Framework

要約

シミュレーションにおけるヒューマノイドロボットでのGPT-4の使用と、新しい大手言語モデル（LLM）駆動型の動作法の概念の証明として現実の世界を調査します。
LLMは、ロボットエージェントの動作を含むさまざまなタスクを実行する機能を示しています。
問題には、LLMに目標を促すことが含まれ、LLMはその目標を達成するために完了するためにサブタスクを出力します。
以前の作品は、LLMの生成されたタスクの実行可能性と正確性に焦点を当てています。
安全性、タスク間の移行、タスクの時間帯、状態のフィードバックに関する実際的な懸念に成功裏に対処する方法を提案します。
私たちの実験では、私たちのアプローチは、スムーズな移行で毎回実行できる実行可能な要求の出力を生成することがわかりました。
ユーザーの要求は、ほとんどの場合、ゴールタイムの範囲で達成されます。

要約(オリジナル)

We explore the use of GPT-4 on a humanoid robot in simulation and the real world as proof of concept of a novel large language model (LLM) driven behaviour method. LLMs have shown the ability to perform various tasks, including robotic agent behaviour. The problem involves prompting the LLM with a goal, and the LLM outputs the sub-tasks to complete to achieve that goal. Previous works focus on the executability and correctness of the LLM’s generated tasks. We propose a method that successfully addresses practical concerns around safety, transitions between tasks, time horizons of tasks and state feedback. In our experiments we have found that our approach produces output for feasible requests that can be executed every time, with smooth transitions. User requests are achieved most of the time across a range of goal time horizons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google