机构名称：
¥ 1.0
摘要 - 按钮规划功能对于智能机器人在物理世界中自动运行至关重要。但是，基于传统的计划域定义语言（PDDL）方法通常会遭受组合爆炸和无效的计划时间。在本文中，我们以创新的方式提出了使用大型语言模型（LLM）增强机器人任务计划 - 使用LLMS指导PDDL计划者的搜索过程，而不是完全替换PDDL计划。LLMS通过学习的启发式方法指导PDDL计划者的搜索过程，并提供约束推理以减少搜索空间。为了解决LLM的潜在陷阱，在执行阶段添加了验证机制，以验证计划正确性。我们在真实情况下拆卸了寿命电池电池的末端评估了我们的方法。实验结果将纳入计划管道中的LLM可以显着提高计划效率和可伸缩性，同时保持计划有效性。这项研究为将语言模型与经典方法整合在一起，为实用应用增强机器人智能。所提出的框架在增强未来智能机器人系统的任务计划能力方面迈出了坚实的一步。
使用大语言模型增强机器人任务计划
主要关键词
相关文件推荐
