LLM2Swarm：通过大语言模型实现机器群集的自主推理、规划与协作
机器人学
2024-10-31 v3
摘要
机器群集由众多简单机器人组成，这些机器人通过通信和协作来完成复杂任务。机器人控制器通常需要通过编程代码按案例由专家指定，这一过程耗时、容易出错，无法考虑部署期间可能遇到的各种情况。另一方面，最近的大语言模型(LLM)已展现出推理和规划能力，提供了与机器人交互和编程的新方式，融合了领域特定和常识知识。因此，我们提出通过将LLM与机器群集集成来解决上述挑战，并展示概念性验证（showcase）。为实现该集成，我们探讨两种方法。第一种方法是'间接集成'，其中LLM用于合成和验证机器人控制器。该方法可能在部署前减少开发时间和人为错误，此外在部署期间可用于创建新的机器人行为。第二种方法是'直接集成'，在部署期间，每个机器人本地执行独立的LLM实例以进行机器人-机器人协作和人类-机器群集交互。这些本地LLM实例使每个机器人能够使用自然语言进行推理、规划和协作。在我们的展示中，机器人能够检测各种异常现象，无需关于这些异常性质的先验信息。为进一步研究我们主要是概念性贡献，我们发布了LLM2Swarm系统的软件和视频：https://github.com/Pold87/LLM2Swarm。
引用
@article{arxiv.2410.11387,
title = {LLM2Swarm: Robot Swarms that Responsively Reason, Plan, and Collaborate through LLMs},
author = {Volker Strobel and Marco Dorigo and Mario Fritz},
journal= {arXiv preprint arXiv:2410.11387},
year = {2024}
}
备注
Accepted at NeurIPS 2024 Workshop on Open-World Agents. Code: https://github.com/Pold87/LLM2Swarm/