利用大语言模型进行无人水面船海上任务规划
机器人学
2025-03-18 v1 人工智能
摘要
无人水面船（USV）对于各种海上任务至关重要。USV 任务规划方法为监控、监视和物流提供了自主解决方案。基于静态方法的现有方法难以适应动态环境，导致性能次优、成本更高以及失败风险增加。本文提出了一种利用大语言模型（LLM，如 GPT-4）应对这些挑战的新型任务规划框架。LLM 擅长理解自然语言指令、执行符号推理以及灵活适应不断变化的情况。我们的方法将 LLM 集成到海上任务规划中，弥合了高层人类指令与可执行计划之间的差距，使系统能够实时适应环境变化和未预见的障碍。此外，来自底层控制器的反馈被用于完善符号任务计划，确保鲁棒性和适应性。该框架通过将符号规划的能力与 LLM 的推理能力相结合，提升了 USV 操作的鲁棒性和有效性。此外，它简化了任务规范，使操作员能够专注于高层目标，而无需复杂的编程。仿真结果验证了所提出的方法，证明了其在动态海上条件下优化任务执行和无缝适应的能力。
引用
@article{arxiv.2503.12065,
title = {Maritime Mission Planning for Unmanned Surface Vessel using Large Language Model},
author = {Muhayy Ud Din and Waseem Akram and Ahsan B Bakht and Yihao Dong and Irfan Hussain},
journal= {arXiv preprint arXiv:2503.12065},
year = {2025}
}
备注
IEEE International Conference on Simulation, Modeling, and Programming for Autonomous Robots