Leveraging LLMs, Graphs and Object Hierarchies for Task Planning in Large-Scale Environments

要約

計画手法は、大規模環境でタスクレベルの問題を解決する際の計算の難しさに悩まされます。
この研究では、LLM にエンコードされた常識的な知識を活用して、これらの複雑なシナリオに対処するための計画手法を強化することを検討します。
これは、LLM を効率的に使用して計画問題の状態空間から無関係なコンポーネントを取り除き、その複雑さを大幅に簡素化することで実現します。
私たちは、7-DoF マニピュレーター (ビデオ https://youtu.be/6ro2UOtOQS4) を使用した現実世界の検証と並行して、家庭用シミュレーション環境内での広範な実験を通じて、このシステムの有効性を実証します。

要約(オリジナル)

Planning methods struggle with computational intractability in solving task-level problems in large-scale environments. This work explores leveraging the commonsense knowledge encoded in LLMs to empower planning techniques to deal with these complex scenarios. We achieve this by efficiently using LLMs to prune irrelevant components from the planning problem’s state space, substantially simplifying its complexity. We demonstrate the efficacy of this system through extensive experiments within a household simulation environment, alongside real-world validation using a 7-DoF manipulator (video https://youtu.be/6ro2UOtOQS4).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google