One For All: LLM-based Heterogeneous Mission Planning in Precision Agriculture

要約

人工知能は精密農業を変革し、農民に日常業務を合理化するための新しいツールを提供しています。
これらの技術的進歩は効率の向上を約束しますが、多くの場合、技術の採用と既存のワークロードのバランスをとらなければならない非技術的なユーザーにとって特に困難な追加の複雑さと急な学習曲線を導入します。
この論文では、非専門家が共通のインターフェイスを介して不均一ロボットを制御できるようにする自然言語（NL）ロボットミッションプランナーを紹介します。
大規模な言語モデル（LLM）と事前定義されたプリミティブを活用することにより、私たちのアーキテクチャは、異なるロボットプラットフォームで実行できる中間の説明に人間の言語をシームレスに変換します。
このシステムを使用すると、ユーザーはコードを作成せずに複雑な農業ミッションを策定できます。
このペーパーで紹介した作業では、ロボット操作とコンピュータービジョンタスクを含む新しいクラスの実験を通じて、車輪付きロボットミッション計画のために調整された以前のシステムを拡張します。
私たちの結果は、アーキテクチャが多様なロボットのセットをサポートするのに十分な一般的であり、複雑なミッションリクエストを実行するのに十分なほど強力であることを示しています。
この作業は、非技術的なユーザーがよりアクセスしやすい精密農業におけるロボットオートメーションを作るための重要なステップを表しています。

要約(オリジナル)

Artificial intelligence is transforming precision agriculture, offering farmers new tools to streamline their daily operations. While these technological advances promise increased efficiency, they often introduce additional complexity and steep learning curves that are particularly challenging for non-technical users who must balance tech adoption with existing workloads. In this paper, we present a natural language (NL) robotic mission planner that enables non-specialists to control heterogeneous robots through a common interface. By leveraging large language models (LLMs) and predefined primitives, our architecture seamlessly translates human language into intermediate descriptions that can be executed by different robotic platforms. With this system, users can formulate complex agricultural missions without writing any code. In the work presented in this paper, we extend our previous system tailored for wheeled robot mission planning through a new class of experiments involving robotic manipulation and computer vision tasks. Our results demonstrate that the architecture is both general enough to support a diverse set of robots and powerful enough to execute complex mission requests. This work represents a significant step toward making robotic automation in precision agriculture more accessible to non-technical users.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google