机构名称：
¥ 3.0
摘要。从演示中学习（LFD）的程序化学习的目的是学习一种编程语言的策略，该策略可用于从一组用户演示中控制机器人的行为。本文提出了一种新的程序化LFD算法，该算法针对长马机器人任务，该任务需要具有复杂控制流结构的合成程序，包括具有多个条件性的嵌套循环。我们提出的方法首先学习了一个程序草图，该程序草图捕获了目标程序的控制流，然后使用LLM引导的搜索步骤完成了此草图，该过程结合了一种新技术，以证明编程划分问题的不实现性。我们已经在一种名为Prolex的新工具中实施了我们的方法，并在涉及复杂任务和环境的120个基准上进行了全面的实验评估结果。我们表明，鉴于120秒的限制，Prolex可以在80％的情况下找到与示范一致的程序。此外，对于返回解决方案的81％的任务，Prolex只能通过一个演示找到地面真相计划。相比，CVC5是一种语法引导的合成工具，即使在给出了地面真相计划草图时，CVC5也只能解决25％的案例，而基于LLM的方法GPT-Synth无法解决由于环境复杂性而无法解决任何任务。
长马机器人任务的编程编程
主要关键词
相关文件推荐
![如果[您的名称]可以编码，那么您也可以！非专家的最终用户机器人编程](/simg/9/9615c35b68a8d07868726c19190305fa9a2a63ea.webp)
