搜索机

llm a*：循环中的人类大型语言模型启用了*搜索机器人

摘要 - 这项研究着重于大型语言模型（LLMS）如何以人为融合和互动方式为移动体现的代理（例如机器人）提供（路径）计划。一个名为llm a*的新型框架旨在利用LLMS的常识，并提出了公用事业 - 最佳的A*，以促进几乎没有最佳的路径计划。提示用于两个主要目的：1）向LLM提供环境，成本，启发式等基本信息。; 2）向LLMS传达有关中间计划结果的人类反馈。这种方法将人类反馈在船上，并将整个计划过程透明（类似于“白盒”）给人类。此外，它有助于无代码路径计划，从而促进了人工智能技术向社区的可访问性和包容性，较少精通编码。对A*和RL的比较分析表明，LLM A*在搜索空间方面表现出更高的效率，并且在表现优于RL的同时获得了与A*相当的路径。llm a*的互动性也使其成为协作人类机器人任务中部署的有前途的工具。可以在GitHub上找到代码和补充材料：https：//github.com/speedhawk/llm-a--。