Interactively Robot Action Planning with Uncertainty Analysis and Active Questioning by Large Language Model

要約

大規模言語モデル (LLM) をロボットの行動計画に適用することが盛んに研究されています。
自然言語によって LLM に与えられる指示には、タスクのコンテキストによってはあいまいさや情報の欠如が含まれる場合があります。
命令入力をより詳細にすることで、LLM の出力を調整することができます。
ただし、設計コストが高くつきます。
本稿では、LLMが人間に質問することで不足している情報を分析・収集できる対話型ロボット行動計画手法を提案する。
この方法により、正確なロボット命令を生成するための設計コストを最小限に抑えることができます。
調理作業における具体的な例を通して、私たちの方法の有効性を実証しました。
しかし、私たちの実験では、重要でない質問をしたり、質問せずに重要な情報を想定したりするなど、LLM を使用したロボットの行動計画における課題も明らかになりました。
これらの問題に光を当てることで、ロボット工学への LLM の利用に関する将来の研究に貴重な洞察が得られます。

要約(オリジナル)

The application of the Large Language Model (LLM) to robot action planning has been actively studied. The instructions given to the LLM by natural language may include ambiguity and lack of information depending on the task context. It is possible to adjust the output of LLM by making the instruction input more detailed; however, the design cost is high. In this paper, we propose the interactive robot action planning method that allows the LLM to analyze and gather missing information by asking questions to humans. The method can minimize the design cost of generating precise robot instructions. We demonstrated the effectiveness of our method through concrete examples in cooking tasks. However, our experiments also revealed challenges in robot action planning with LLM, such as asking unimportant questions and assuming crucial information without asking. Shedding light on these issues provides valuable insights for future research on utilizing LLM for robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google