LLM在自主航天器控制中的微调：KERBL SPACE PROGRAM案例研究
人工智能
2024-10-15 v1 天体物理仪器与方法
摘要
近年来，越来越多的趋势表明，大型语言模型（LLM）可作为基于用户文本提示内容采取行动的自主代理。本研究探讨了使用微调的大型语言模型（LLM）进行自主航天器控制，KERBL SPACE PROGRAM差分游戏套件（KSPDG）作为测试环境。传统的强化学习（RL）方法在该领域面临限制，主要是由于仿真能力不足和数据不足。通过利用LLM，特别是对GPT-3.5和LLaMA等模型进行微调，我们展示了这些模型如何有效地使用基于语言的输入和输出来控制航天器。该方法将实时任务遥测整合到由LLM处理的文本提示中，然后通过代理生成控制动作。结果开启了关于LLM在航天操作中潜在应用的讨论，超越其主要用于文本相关任务的用途。未来的工作旨在将这种方法扩展到其他航天控制任务并评估不同LLM系列的性能。代码地址：\texttt{https://github.com/ARCLab-MIT/kspdg}。
引用
@article{arxiv.2408.08676,
title = {Fine-tuning LLMs for Autonomous Spacecraft Control: A Case Study Using Kerbal Space Program},
author = {Alejandro Carrasco and Victor Rodriguez-Fernandez and Richard Linares},
journal= {arXiv preprint arXiv:2408.08676},
year = {2024}
}
备注
ESA SPAICE Conference 2024. arXiv admin note: text overlap with arXiv:2404.00413