TidyBot：基于大语言模型的个性化机器人辅助
机器人学
2023-11-20 v2 人工智能
计算与语言
计算机视觉与模式识别
机器学习
摘要
要使机器人有效个性化物理辅助，它必须学习可普遍重新应用于未来场景的用户偏好。在这项工作中，我们研究利用能够拾取物体并收纳来整理房间的机器人进行家庭清理的个性化问题。一个关键挑战是确定放置每个物体的合适位置，因为人们的偏好可能因个人品味或文化背景而大不相同。例如，一个人可能偏好将衬衫存放在抽屉里，而另一个人可能偏好放在架子上。我们旨在构建能够通过与该特定人物的先前交互，仅从少量示例中学习此类偏好的系统。我们展示机器人可以将基于语言的规划与感知同大语言模型（LLMs）的少样本总结能力相结合，以推断可广泛适用于未来交互的通用用户偏好。该方法实现快速适应，并在我们的基准数据集上对未见物体的准确率达到 91.2%。我们还在名为 TidyBot 的真实移动操纵器上演示了我们的方法，其在真实世界测试场景中成功收纳了 85.0% 的物体。
引用
@article{arxiv.2305.05658,
title = {TidyBot: Personalized Robot Assistance with Large Language Models},
author = {Jimmy Wu and Rika Antonova and Adam Kan and Marion Lepert and Andy Zeng and Shuran Song and Jeannette Bohg and Szymon Rusinkiewicz and Thomas Funkhouser},
journal= {arXiv preprint arXiv:2305.05658},
year = {2023}
}
备注
Accepted to Autonomous Robots (AuRo) - Special Issue: Large Language Models in Robotics, 2023 and IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023. Project page: https://tidybot.cs.princeton.edu