ProgPrompt：利用大语言模型生成情境化机器人任务规划
机器人学
2022-09-26 v1 人工智能
计算与语言
机器学习
摘要
任务规划可能需要在机器人需行动的世界中定义无数领域知识。为减轻该负担，大语言模型(LLMs)可用于在任务规划期间对潜在下一步动作打分，甚至在给定自然语言指令且无需额外领域信息的情况下直接生成动作序列。然而，此类方法要么需要枚举所有可能的下一步以供打分，要么生成可能包含给定机器人在当前情境下无法执行动作的自由格式文本。我们提出了一种程序化LLM提示结构，可实现跨情境环境、机器人能力与任务的规划生成。我们的核心见解是以类程序形式向LLM提示环境中可用动作与对象的规范，以及可执行的示例程序。我们通过消融实验对提示结构与生成约束给出具体建议，在VirtualHome家庭任务中展示了最先进的成功率，并将我们的方法部署于物理机械臂的桌面任务上。网站：progprompt.github.io
引用
@article{arxiv.2209.11302,
title = {ProgPrompt: Generating Situated Robot Task Plans using Large Language Models},
author = {Ishika Singh and Valts Blukis and Arsalan Mousavian and Ankit Goyal and Danfei Xu and Jonathan Tremblay and Dieter Fox and Jesse Thomason and Animesh Garg},
journal= {arXiv preprint arXiv:2209.11302},
year = {2022}
}