基于大语言模型的泛化长时序操作
机器人学
2023-10-04 v1 计算与语言
计算机视觉与模式识别
机器学习
摘要
本工作引入了一个框架，利用大语言模型（LLM）的能力为新物体和未见任务生成基元任务条件，以实现可泛化的长时序操作。这些任务条件作为指导和调整动态运动基元（DMP）轨迹以执行长时序任务的依据。我们进一步基于Pybullet创建了一个具有挑战性的机器人操作任务套件，用于长时序任务评估。在仿真与真实环境中的大量实验证明了我们的框架在涉及新物体的熟悉任务以及新颖但相关任务上的有效性，凸显了LLM在增强机器人系统通用性与适应性方面的潜力。项目网站：https://object814.github.io/Task-Condition-With-LLM/
引用
@article{arxiv.2310.02264,
title = {Generalizable Long-Horizon Manipulations with Large Language Models},
author = {Haoyu Zhou and Mingyu Ding and Weikun Peng and Masayoshi Tomizuka and Lin Shao and Chuang Gan},
journal= {arXiv preprint arXiv:2310.02264},
year = {2023}
}