预测与协作：面向人机协作的数据驱动任务预测与知识驱动规划
机器人学
2024-04-05 v1 人工智能
摘要
一个在日常生活活动中协助人类的智能体可以通过预测即将到来的任务更有效地协作。数据驱动方法代表了任务预测、规划及相关问题的最新技术，但这些方法资源消耗大且不透明。我们之前的工作引入了一个概念验证框架，该框架使用大语言模型（LLM）预测3个高层任务，这些任务作为经典规划系统的目标，该系统计算智能体实现这些目标的低层动作序列。本文描述了DaTAPlan，我们的框架，它显著扩展了我们之前在人机协作方面的工作。具体来说，DaTAPlan规划器计算智能体和人类共同协作实现LLM预测的任务的动作，并且智能体自动适应人类动作结果和偏好的意外变化。我们在一个逼真的模拟环境中评估了DaTAPlan的能力，展示了准确的任务预测、有效的人机协作以及适应意外变化的能力。项目网站：https://dataplan-hrc.github.io
引用
@article{arxiv.2404.03587,
title = {Anticipate & Collab: Data-driven Task Anticipation and Knowledge-driven Planning for Human-robot Collaboration},
author = {Shivam Singh and Karthik Swaminathan and Raghav Arora and Ramandeep Singh and Ahana Datta and Dipanjan Das and Snehasis Banerjee and Mohan Sridharan and Madhava Krishna},
journal= {arXiv preprint arXiv:2404.03587},
year = {2024}
}