云边端架构中用于异构机器人集群控制的分层大语言模型
机器人学
2024-02-19 v2
摘要
尽管大语言模型（LLMs）具有强大的语义理解和代码生成能力，但在处理复杂任务时仍面临挑战。多智能体策略生成与运动控制是高度复杂的领域，本质上需要来自多个领域的专家进行协作。为增强多智能体策略生成与运动控制，我们提出了一种创新的架构，该架构采用了云边端分层结构的概念。通过利用多个具有不同专长领域的大语言模型，我们可以高效地生成策略并执行任务分解。引入余弦相似度方法，在向量层面将任务分解指令与机器人任务序列对齐，我们可以识别出任务分解不完整的子任务，并对其进行多次迭代，最终生成可执行的机器任务序列。机器人通过这些任务序列的引导，完成更高复杂度的任务。借助此架构，我们实现了用自然语言控制机器人执行复杂任务的过程，并成功解决了开放场景中多智能体执行开放任务的挑战以及任务分解问题。
引用
@article{arxiv.2402.03703,
title = {Hierarchical Large Language Models in Cloud Edge End Architecture for Heterogeneous Robot Cluster Control},
author = {Zhirong Luan and Yujun Lai and Rundong Huang and Yan Yan and Jingwei Wang and Jizhou Lu and Badong Chen},
journal= {arXiv preprint arXiv:2402.03703},
year = {2024}
}