RoboGPT：面向日常指令任务具身长期决策的智能体
机器人学
2024-09-16 v3 人工智能
机器学习
摘要
机器人智能体必须掌握常识与长期序列决策，以通过自然语言指令解决日常任务。自然语言处理中大型语言模型（LLMs）的发展激发了在复杂机器人规划中使用LLMs的努力。尽管LLMs对指令任务具有出色的泛化与理解能力，其生成的任务规划有时缺乏可行性与正确性。为解决该问题，我们提出一个RoboGPT智能体（脚注：我们的代码与数据集将很快发布），用于为日常任务做出具身长期决策，包含两个模块：1）基于LLMs的带重规划（re-plan）规划，将任务分解为多个子目标；2）为子目标单独设计的RoboSkill，以学习更好的导航与操作技能。基于LLMs的规划通过一个新的机器人数据集与重规划得到增强，称为RoboGPT。收集了67k日常指令任务的新机器人数据集用于微调Llama模型并获得RoboGPT。具有强泛化能力的RoboGPT规划器可规划数百个日常指令任务。此外，设计了一个低计算量的Re-Plan模块，使规划能灵活适应环境，从而解决命名多样性挑战。所提出的RoboGPT智能体在ALFRED日常任务上优于SOTA方法。而且，RoboGPT规划器在数百个未见日常任务乃至其他领域任务的任务规划合理性上超越ChatGPT等SOTA基于LLM的规划器，同时保持大模型的原始广泛应用与通用性。
引用
@article{arxiv.2311.15649,
title = {RoboGPT: an intelligent agent of making embodied long-term decisions for daily instruction tasks},
author = {Yaran Chen and Wenbo Cui and Yuanwen Chen and Mining Tan and Xinyao Zhang and Dongbin Zhao and He Wang},
journal= {arXiv preprint arXiv:2311.15649},
year = {2024}
}