降低基于LLM的自然语言指令处理在机器人导航中的延迟
机器人学
2025-06-03 v1 人工智能
摘要
将大型语言模型（LLM）（如GPT）集成到工业机器人中可提升操作效率和人机协作。然而，这些模型的计算复杂度和规模常导致请求与响应时间上的延迟问题。本研究探索将ChatGPT自然语言模型与机器人操作系统2（ROS 2）集成，以缓解交互延迟并在Gazebo仿真环境中改善机器人系统控制。我们提出了一种无需中间件传输平台即可集成这些技术的架构，并详细说明了仿真移动机器人如何响应文本和语音指令。实验结果表明，该集成通过将通信延迟平均降低7.01%，提升了人机交互的执行速度、可用性和可及性。此类改进促进了更流畅的实时机器人操作，这对于工业自动化和精密任务至关重要。
引用
@article{arxiv.2506.00075,
title = {Reducing Latency in LLM-Based Natural Language Commands Processing for Robot Navigation},
author = {Diego Pollini and Bruna V. Guterres and Rodrigo S. Guerra and Ricardo B. Grando},
journal= {arXiv preprint arXiv:2506.00075},
year = {2025}
}
备注
Accepted to the 23rd IEEE International Conference on Industrial Informatics (INDIN)