SPAR：基于大语言模型的无人机PDDL域可扩展生成
机器人学
2025-09-18 v1
摘要
我们研究了使用大型语言模型 (LLM) 为规划域定义语言 (PDDL) 自动生成域的問題，特别关注无人机航行任务。尽管PDDL是机器人规划中广泛采用的标准，但手动为监视、投递和检查等多样化应用设计域名义上是耗时且容易出错的，这会阻碍其采用和实际部署。为克服这些挑战，我们提出了SPAR框架，利用LLM的生成能力从自然语言输入自动产生有效、多样且语义准确的PDDL域。为此，我们首先引入了一个系统性地形式化并验证的无人机规划数据集，包含真实的PDDL域和相关问题，每个都配有详细的域和动作描述。基于该数据集，我们设计了一个生成PDDL域的提示框架。对生成的域进行语法验证、可执行性、可行性和可解释性评估。总体而言，本工作表明LLM可以显著加速复杂规划域的创建，提供可复现的数据集和评估管道，使没有先验经验的应用专家能够利用它处理实际任务，为无人机和自动规划领域的未来研究做出贡献。
引用
@article{arxiv.2509.13691,
title = {SPAR: Scalable LLM-based PDDL Domain Generation for Aerial Robotics},
author = {Songhao Huang and Yuwei Wu and Guangyao Shi and Gaurav S. Sukhatme and Vijay Kumar},
journal= {arXiv preprint arXiv:2509.13691},
year = {2025}
}