基于自然语言交互的机器人任务歧义解决
机器人学
2025-04-25 v1
摘要
语言条件策略最近在机器人领域获得了广泛采纳，因为它们允许用户使用自然语言指定任务，具有高度的灵活性。尽管大量研究致力于改进语言条件策略的动作预测，但关于任务描述推理的工作仍在很大程度上被忽视。模糊的任务描述常常会导致下游策略失败，因为机器人代理对其误解。在解决这一挑战方面，我们引入了 AmbResVLM，这是一种新颖的方法，通过观察场景将语言目标 grounding 在实际环境中，并对任务歧义进行显式推理。我们在模拟和真实世界域中广泛评估了其有效性，证明其在任务歧义检测和解决方面优于最新的 SOTA 方法。最终的真实机器人实验表明，我们的模型提高了下游机器人策略的性能，将平均成功率从 69.6% 提升至 97.1%。我们将数据、代码和训练好的模型公开于 https://ambres.cs.uni-freiburg.de。
引用
@article{arxiv.2504.17748,
title = {Robotic Task Ambiguity Resolution via Natural Language Interaction},
author = {Eugenio Chisari and Jan Ole von Hartz and Fabien Despinoy and Abhinav Valada},
journal= {arXiv preprint arXiv:2504.17748},
year = {2025}
}