LAMS: 面向辅助遥操作的 LLM 驱动的自动模式切换
机器人学
2025-01-16 v1 人工智能
人机交互
机器学习
摘要
通过低自由度控制器（如操纵杆）遥操作高自由度 (DoF) 机器人机械臂时，常需在不同控制模式之间频繁切换，每种模式将控制器的运动映射到特定的机器人动作。手动执行频繁的切换会使遥操作笨拙且低效。相比之下，现有自动模式切换方法（如基于启发式或学习的方法）往往具有任务依赖性且缺乏通用性。本文引入 LLM 驱动的自动模式切换 (LAMS)，一种新方法利用大型语言模型 (LLM) 基于任务上下文自动切换控制模式。不同于现有方法，LAMS 无需先验任务演示 demonstrations，即可通过集成用户生成的模式切换示例逐步改进。我们通过消除实验和 10 名参与者的用户实验验证了 LAMS，实验结果表明 LAMS 有效减少了手动模式切换，用户偏好超过替代方法，且随着时间推移性能持续提升。项目网站及补充材料请访问 https://lams-assistance.github.io/。
引用
@article{arxiv.2501.08558,
title = {LAMS: LLM-Driven Automatic Mode Switching for Assistive Teleoperation},
author = {Yiran Tao and Jehan Yang and Dan Ding and Zackory Erickson},
journal= {arXiv preprint arXiv:2501.08558},
year = {2025}
}