LLM-BT：基于大语言模型与行为树的机器人自适应任务执行
机器人学
2024-08-20 v1
摘要
大语言模型（Large Language Models, LLMs）已被广泛用于执行复杂的机器人任务。然而，在任务执行过程中处理外部干扰仍然是一个开放性挑战。本文提出了一种基于 LLM 和行为树（Behavior Trees, BTs）实现机器人自适应任务的新方法。该方法利用 ChatGPT 推理任务的描述性步骤。为了使 ChatGPT 能够理解环境，通过目标识别算法构建了语义地图。然后，我们设计了一个基于 Transformer 的双向编码器表示（Bidirectional Encoder Representations from Transformers, BERT）的 Parser 模块，将这些步骤解析为初始 BTs。随后，提出了一种 BTs 更新算法，以动态扩展初始 BTs，从而控制机器人执行自适应任务。与其他用于复杂机器人任务的基于 LLM 的方法不同，我们的方法输出可变的 BTs，能够根据环境变化添加并执行新动作，对外部干扰具有鲁棒性。我们的方法在不同实际场景的仿真中得到了验证。
引用
@article{arxiv.2404.05134,
title = {LLM-BT: Performing Robotic Adaptive Tasks based on Large Language Models and Behavior Trees},
author = {Haotian Zhou and Yunhan Lin and Longwu Yan and Jihong Zhu and Huasong Min},
journal= {arXiv preprint arXiv:2404.05134},
year = {2024}
}
备注
7 pages, 11figures, WILL PUBLISHED ON ICRA 2024