从烹饪食谱到机器人任务树——利用大语言模型与知识网络提升规划正确性与任务效率
机器人学
2023-09-19 v1 人工智能
摘要
机器人烹饪的任务规划涉及为机器人生成一系列动作以成功备餐。本文提出一种新颖的任务树生成流程，可为烹饪任务生成正确的规划与高效的执行。我们的方法首先使用大语言模型（LLM）检索食谱指令，然后利用微调的 GPT-3 将其转化为任务树，以捕获子任务间的顺序与并行依赖关系。该流程随后通过任务树检索来缓解 LLM 输出的不确定性与不可靠特性。我们将多个 LLM 任务树输出组合为图，并执行任务树检索以避免可疑节点与高代价节点，从而提升规划正确性与执行效率。我们的评估结果表明，其在任务规划准确性与效率上相较以往工作具有优越性能。
引用
@article{arxiv.2309.09181,
title = {From Cooking Recipes to Robot Task Trees -- Improving Planning Correctness and Task Efficiency by Leveraging LLMs with a Knowledge Network},
author = {Md Sadman Sakib and Yu Sun},
journal= {arXiv preprint arXiv:2309.09181},
year = {2023}
}