告诉我去哪：面向上下文感知具身机器人导航的可组合框架
机器人学
2023-06-21 v2
摘要
人类仅依靠先验知识和环境描述即可在陌生环境中导航，这一能力非凡。为使机器人执行同类导航，它们需要能够将自然语言描述与关联的物理环境相匹配，且仅需少量先验知识。近期，大语言模型（LLMs）已能对数十亿参数进行推理，并将其用于基于多模态聊天的自然语言响应。然而，LLMs 缺乏现实世界感知，其输出并非总是可预测。本工作中，我们开发了 NavCon，一种低带宽框架，通过在 LLM 与机器人导航框架之间以 Python 代码形式创建中间层，解决了这种现实世界泛化缺失问题。我们的中间层将 LLM 模型中固有的海量先验知识塞入移动机器人可理解的一系列输入与输出 API 指令中。我们在移动机器人上的四种不同环境和指令类别评估了该方法，并凸显了我们的 NavCon 解释上下文指令的能力。
引用
@article{arxiv.2306.09523,
title = {Tell Me Where to Go: A Composable Framework for Context-Aware Embodied Robot Navigation},
author = {Harel Biggie and Ajay Narasimha Mopidevi and Dusty Woods and Christoffer Heckman},
journal= {arXiv preprint arXiv:2306.09523},
year = {2023}
}
备注
8 pages (24 with references and appendix), 6 Figures