CogExplore：基于语言编码环境表征的情境探索
机器人学
2024-06-26 v1
摘要
将语言模型集成到机器人探索框架中可提高在未映射环境中的性能，方法是提供对语义 grounding、情境线索和时序状态的推理能力。本方法采用大型语言模型 (GPT-3.5 和 Claude Haiku) 对这些线索进行推理，并以自然语言表达该推理，可用于指导未来状态。我们受搜索救援场景的启发，在该场景中高效探索至关重要。我们发现，通过利用自然语言、语义信息和时序状态跟踪，该方法大幅减少探索路径距离，并进一步暴露了环境依赖性启发式方法的需求。此外，该方法对多种环境和噪声视觉检测具有高度鲁棒性，如在 Unreal Engine 中构建的自定义仿真管道中进行的三种不同环境的全面实验中所示，成功率达100%。
关键词
引用
@article{arxiv.2406.17180,
title = {CogExplore: Contextual Exploration with Language-Encoded Environment Representations},
author = {Harel Biggie and Patrick Cooper and Doncey Albin and Kristen Such and Christoffer Heckman},
journal= {arXiv preprint arXiv:2406.17180},
year = {2024}
}
备注
9 pages (22 with references and appendix), 12 figures (including 6 in the appendix), 1 table