Generating consistent PDDL domains with Large Language Models

要約

大規模言語モデル (LLM) は、自然言語ドメインの記述を、もっともらしい PDDL マークアップに変換できます。
ただし、ドメイン内でアクションの一貫性を確保することは依然として困難な作業です。
この論文では、生成プロセス中に自動整合性チェックを実行することで、LLM で生成された PDDL モデルの品質を大幅に向上させる新しい概念を紹介します。
提案された一貫性チェック戦略は、生成されたモデルの絶対的な正確性をまだ保証できませんが、ループ内の人間に予想される修正作業の量を削減する貴重なフィードバック ソースとして機能します。
私たちは、多くの古典的およびカスタムの計画領域 (物流、グリッパー、タイヤワールド、家庭、ピザ) に対するエラー検出アプローチの機能を実証します。

要約(オリジナル)

Large Language Models (LLMs) are capable of transforming natural language domain descriptions into plausibly looking PDDL markup. However, ensuring that actions are consistent within domains still remains a challenging task. In this paper we present a novel concept to significantly improve the quality of LLM-generated PDDL models by performing automated consistency checking during the generation process. Although the proposed consistency checking strategies still can’t guarantee absolute correctness of generated models, they can serve as valuable source of feedback reducing the amount of correction efforts expected from a human in the loop. We demonstrate the capabilities of our error detection approach on a number of classical and custom planning domains (logistics, gripper, tyreworld, household, pizza).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google