基于大语言模型的机器人操作行为树自动扩展
机器人学
2024-09-23 v1
摘要
机器人操作任务的系统日益期待能够轻松配置以适应新任务或不可预测的环境，同时保持透明且可被人类阅读和验证的策略。我们提出了一种名为大语言模型驱动行为树扩展方法（BETR-XP-LLM）的技术，旨在动态自动扩展和配置用于机器人控制的行为树作为策略。该方法利用大语言模型在规划与执行期间解决任务规划器能力范围之外的错误。我们展示了该方法能够解决多种任务和故障，并持久地更新策略以处理类似问题。
引用
@article{arxiv.2409.13356,
title = {Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation},
author = {Jonathan Styrud and Matteo Iovino and Mikael Norrlöf and Mårten Björkman and Christian Smith},
journal= {arXiv preprint arXiv:2409.13356},
year = {2024}
}
备注
Submitted to ICRA 2025