LLM-MARS: Large Language Model for Behavior Tree Generation and NLP-enhanced Dialogue in Multi-Agent Robot Systems

要約

この論文では、マルチエージェント ロボット システムに大規模言語モデル ベースの人工知能を利用する最初のテクノロジーである LLM-MARS を紹介します。
LLM-MARS は、人間とロボットの間の動的な対話を可能にし、ロボットがオペレーターのコマンドに基づいて動作を生成し、その動作に関する質問に対して有益な回答を提供できるようにします。
LLM-MARS は、Falcon 7B モデルから微調整されたトランスフォーマーベースの大規模言語モデルに基づいて構築されています。
当社では、さまざまなタスクに LoRa アダプターを使用するマルチモーダル アプローチを採用しています。
最初の LoRa アダプターは、ビヘイビア ツリーとそれに対応するコマンドの例に基づいてベース モデルを微調整することによって開発されました。
2 番目の LoRa アダプターは、質問応答の例を微調整して開発されました。
ユーロボット 2023 のゲーム ルール内で 2 台のロボットのマルチエージェント システムを実際に試したところ、有望な結果が示されました。
ロボットは、複合コマンドで平均 79.28% のタスク実行精度を達成します。
最大 2 つのタスクを含むコマンドの精度は 90% を超えました。
評価により、オペレーターの質問に対するシステムの回答が高い精度、関連性、有益性を示していることが確認されます。
LLM-MARS および同様のマルチエージェント ロボット システムは、物流に革命をもたらし、自律探査ミッションを可能にし、インダストリー 5.0 を推進する大きな可能性を秘めています。

要約(オリジナル)

This paper introduces LLM-MARS, first technology that utilizes a Large Language Model based Artificial Intelligence for Multi-Agent Robot Systems. LLM-MARS enables dynamic dialogues between humans and robots, allowing the latter to generate behavior based on operator commands and provide informative answers to questions about their actions. LLM-MARS is built on a transformer-based Large Language Model, fine-tuned from the Falcon 7B model. We employ a multimodal approach using LoRa adapters for different tasks. The first LoRa adapter was developed by fine-tuning the base model on examples of Behavior Trees and their corresponding commands. The second LoRa adapter was developed by fine-tuning on question-answering examples. Practical trials on a multi-agent system of two robots within the Eurobot 2023 game rules demonstrate promising results. The robots achieve an average task execution accuracy of 79.28% in compound commands. With commands containing up to two tasks accuracy exceeded 90%. Evaluation confirms the system’s answers on operators questions exhibit high accuracy, relevance, and informativeness. LLM-MARS and similar multi-agent robotic systems hold significant potential to revolutionize logistics, enabling autonomous exploration missions and advancing Industry 5.0.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google