FASTNav：为多点机器人导航训练的微调自适应小语言模型
机器人学
2024-12-16 v1 人工智能
人机交互
摘要
随着大型语言模型 (LLM) 的快速发展，机器人开始享受到大型语言模型带来的新交互方法的好处。由于边缘计算满足了对快速响应、隐私和网络自主性的需求，我们认为它促进了大型模型在各行业机器人导航中的广泛部署。为了在边缘设备上实现语言模型的本地部署，我们采用了一些模型增强方法。在本文中，我们提出了 FASTNav——一种用于增强轻量级 LLM（也称为小语言模型 (SLM)）以进行机器人导航的方法。该方法包含三个模块：微调、师生迭代和基于语言的多点机器人导航。我们在仿真和真实机器人中使用 FASTNav 训练和评估模型，证明我们可以以低成本、高精度和低响应时间部署它们。与其他模型压缩方法相比，FASTNav 在语言模型的本地部署方面显示出潜力，并倾向于成为边缘设备上语言引导机器人导航的有前途的解决方案。
引用
@article{arxiv.2411.13262,
title = {FASTNav: Fine-tuned Adaptive Small-language-models Trained for Multi-point Robot Navigation},
author = {Yuxuan Chen and Yixin Han and Xiao Li},
journal= {arXiv preprint arXiv:2411.13262},
year = {2024}
}