提升超市机器人交互：处理多样客户意图的多层次LLM对话界面
机器人学
2026-02-17 v1 人工智能
摘要
本文提出一种新型多层次LLM界面设计与评估，旨在提升超市机器人的客户服务能力。该界面允许客户通过通用查询和特定查询两种方式表达需求。虽然基于OpenAI GPT等最先进系统高度可适应且易于构建部署，但仍面临响应时间延长以及在特定用例和成本优化方面对底层模型进行战略性控制受限等挑战。为开发更快更高效的对话代理，本文主张使用多个针对不同用户查询（依据其具体性和用户意图）精调的小型专用LLM。我们将其与由GPT-4 Turbo驱动的专用GPT模型进行比较，分别采用Artificial Social Agent Questionnaire（ASAQ）和定性参与者反馈进行对照实验。结果表明，本文提出的多LLM聊天机器人架构在所有13项测量指标中均优于基准GPT模型，尤其在性能、用户满意度、用户-代理合作和自我形象提升等四个关键领域实现了统计显著性提升。本文还提出一种超市机器人导航方法，将最终聊天机器人响应映射到正确的货架编号，使机器人能够依次导航至相应产品，随后可利用底层机器人感知、控制与规划实现自动物品检索。我们希望本工作能鼓励更多研究使用多个专用小型模型，而非依赖单一强大但更昂贵且响应较慢的模型。
引用
@article{arxiv.2406.11047,
title = {Enhancing Supermarket Robot Interaction: A Multi-Level LLM Conversational Interface for Handling Diverse Customer Intents},
author = {Chandran Nandkumar and Luka Peternel},
journal= {arXiv preprint arXiv:2406.11047},
year = {2026}
}