LLM-BRAIn：基于大语言模型的机器人行为树 AI 驱动快速生成
机器人学
2023-06-01 v1
摘要
本文提出一种自主机器人控制的新方法，名为 LLM-BRAIn，其基于操作员指令实现机器人行为生成。LLM-BRAIn 是一个基于 Transformer 的大语言模型（LLM），由 Stanford Alpaca 7B 模型微调而来，用于从文本描述生成机器人行为树（BT）。我们在 8.5k 条指令跟随演示上训练 LLM-BRAIn，这些演示以 self-instruct 风格使用 text-davinchi-003 生成。所开发模型能准确构建复杂机器人行为，同时足够小以在机器人板载微计算机上运行。该模型给出结构与逻辑正确的 BT，并能成功处理训练集中未出现的指令。实验未揭示 LLM-BRAIn 生成的 BT 与人类创建的 BT 之间存在显著主观差异（平均而言，参与者仅在 10 例中正确区分 4.53 例 LLM-BRAIn 生成 BT 与人类创建 BT，表明其表现接近随机机会）。所提方法可潜在应用于移动机器人、无人机操作、机器人操纵器系统与工业 4.0。
引用
@article{arxiv.2305.19352,
title = {LLM-BRAIn: AI-driven Fast Generation of Robot Behaviour Tree based on Large Language Model},
author = {Artem Lykov and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2305.19352},
year = {2023}
}
备注
10 pages, 5 figures