Leveraging LLMs for Mission Planning in Precision Agriculture

要約

ロボット工学と人工知能は、精密な農業を進めるための重大な可能性を秘めています。
ロボットシステムはさまざまなタスク用に正常に展開されていますが、特にエンドユーザーが技術的な専門知識を欠いていることが多いため、多様なミッションを実行するために適応するために適応することは依然として困難です。
このホワイトペーパーでは、大規模な言語モデル（LLM）、特にChatGPTを活用するエンドツーエンドのシステムを提示して、ユーザーが自然言語の指示を使用して自律ロボットに複雑なデータ収集タスクを割り当てることができます。
再利用性を向上させるために、ミッションプランは既存のIEEEタスク仕様標準を使用してエンコードされ、既存のROSライブラリに高レベルのミッション説明をブリッジするROS2ノードを介してロボットで実行されます。
広範な実験を通じて、このコンテキストでのLLMの強みと制限、特に空間的推論と複雑なルーティングの課題の解決に関して強調され、提案された実装がどのようにそれらを克服するかを示します。

要約(オリジナル)

Robotics and artificial intelligence hold significant potential for advancing precision agriculture. While robotic systems have been successfully deployed for various tasks, adapting them to perform diverse missions remains challenging, particularly because end users often lack technical expertise. In this paper, we present an end-to-end system that leverages large language models (LLMs), specifically ChatGPT, to enable users to assign complex data collection tasks to autonomous robots using natural language instructions. To enhance reusability, mission plans are encoded using an existing IEEE task specification standard, and are executed on robots via ROS2 nodes that bridge high-level mission descriptions with existing ROS libraries. Through extensive experiments, we highlight the strengths and limitations of LLMs in this context, particularly regarding spatial reasoning and solving complex routing challenges, and show how our proposed implementation overcomes them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google