机构名称：
¥ 1.0
摘要 - 为了使机器人有效地个性化身体援助，它必须学习用户偏好，通常可以重新应用未来的情况。在这项工作中，我们通过机器人调查了家庭清理的个性化，这些机器人可以通过捡起物体并将其放置来整理房间。一个关键的挑战是确定适当的位置，因为人们的喜好可能会因个人品味或文化背景而变化很大。例如，一个人可能更喜欢在抽屉里存放衬衫，而另一个人可能更喜欢它们在架子上。我们旨在构建可以通过与特定人的事先互动从少数示例中学习此类偏好的系统。我们表明，机器人可以将基于语言的计划和感知与大型语言模型（LLMS）的少量摘要功能相结合，以推断广泛的用户偏好，这些用户偏好广泛适用于未来的互动。此方法可以快速适应，并在我们的基准数据集中看不见的对象达到91.2％的精度。我们还在一个名为Tidybot的现实世界移动操纵器上演示了我们的方法，该操作器成功地将85.0％的对象放在了现实世界的测试方案中。
大型语言模型的个性化机器人帮助
主要关键词
相关文件推荐
