BTGenBot: 基于轻量级 LLM 的机器人任务行为树生成
机器人学
2025-01-08 v2
摘要
本文提出了一种使用参数量最多为 70 亿的轻量级大型语言模型（LLM）为机器人生成行为树的新方法。研究表明，在特定数据集上微调后，紧凑型 LLM 可以取得令人满意的结果。本研究的主要贡献包括：使用 GPT-3.5 基于现有行为树创建了一个微调数据集，并在九个不同任务上对多个 LLM（即 llama2、llama-chat 和 code-llama）进行了全面比较。为求全面，我们通过静态语法分析、验证系统、仿真环境和真实机器人对生成的行为树进行了评估。此外，这项工作开辟了将此类解决方案直接部署在机器人上的可能性，增强了其实用性。本研究的发现证明了参数量有限的 LLM 在生成有效且高效的机器人行为方面的潜力。
引用
@article{arxiv.2403.12761,
title = {BTGenBot: Behavior Tree Generation for Robotic Tasks with Lightweight LLMs},
author = {Riccardo Andrea Izzo and Gianluca Bardaro and Matteo Matteucci},
journal= {arXiv preprint arXiv:2403.12761},
year = {2025}
}