基于隐式逻辑推理与幻觉缓解的长时程机体化规划
机器人学
2025-03-14 v2 人工智能
摘要
长时程机体化规划是机体 AI 的核心。为完成长时程任务，一种可行的方式是将抽象指令分解为一系列可操作步骤。基础模型在缺乏高度相关示例的情况下，仍会在长时程规划中出现逻辑错误和幻觉。然而，为任何随机任务提供高度相关的示例是不切实际的。因此，我们提出一种名为 ReLEP 的新型框架，用于实时长时程机体化规划。ReLEP 通过微调学习隐式逻辑推理，能够在无需上下文示例的情况下完成各种长时程任务。经微调的大型视觉语言模型将规划表述为技能函数的序列。这些函数从精心设计的技能库中选择。ReLEP 还配备了记忆模块用于计划和状态回顾，以及机器人配置模块以实现对不同机器人类型的通用性。此外，我们提出一种数据生成管道以解决数据稀缺问题。在构建数据集时，我们考虑了隐式逻辑关系，使模型能够学习隐式逻辑关系并消除幻觉。通过各种长时程任务的全面评估，ReLEP 在未见任务上展现出高成功率和执行合规性，甚至在各类长时程任务上均优于最先进的基线方法。
引用
@article{arxiv.2409.15658,
title = {Long-horizon Embodied Planning with Implicit Logical Inference and Hallucination Mitigation},
author = {Siyuan Liu and Jiawei Du and Sicheng Xiang and Zibo Wang and Dingsheng Luo},
journal= {arXiv preprint arXiv:2409.15658},
year = {2025}
}