FlowPlan：基于 LLM 流程工程的零样本任务规划用于机器人指令跟随
机器人学
2025-03-05 v1
摘要
机器人指令跟随任务需要视觉感知、任务规划、目标定位和运动执行的无缝集成。然而，现有的指令跟随任务规划方法要么是数据驱动的，要么在零样本场景下表现不佳，原因在于难以在操作约束下将冗长指令转化为可执行的行动计划。为解决这一问题，我们提出了 FlowPlan，一个结构化的多阶段 LLM 工作流，提升了零样本流水线，弥合了零样本与数据驱动的上下文学习方法之间的性能差距。通过将规划过程分解为模块化阶段——任务信息检索、语言层面推理、符号层面规划和逻辑评估——FlowPlan 生成逻辑连贯的动作序列，同时遵循操作约束，并进一步提取上下文指导以实现精确的实例级目标定位。在 ALFRED 上进行基准测试并在真实世界应用中验证，我们的方法相对于数据驱动的上下文学习方法取得了具有竞争力的性能，并展示了跨不同环境的适应性。这项工作推进了机器人系统中的零样本任务规划，无需依赖标注数据。项目网站：https://instruction-following-project.github.io/
引用
@article{arxiv.2503.02698,
title = {FlowPlan: Zero-Shot Task Planning with LLM Flow Engineering for Robotic Instruction Following},
author = {Zijun Lin and Chao Tang and Hanjing Ye and Hong Zhang},
journal= {arXiv preprint arXiv:2503.02698},
year = {2025}
}
备注
8 pages, 5 figures