面向零知识任务规划：一种基于语言的方法
机器人学
2026-01-08 v1
摘要
在本工作中，我们提出并正式定义了零知识任务规划（ZKTP）问题，即在缺乏任务特定知识的情况下制定一系列动作以实现某些目标。此外，我们Present了首个针对ZKTP的研究与方法，利用大语言模型（LLM）将自然语言指令分解为子任务并生成用于执行的行为树（BT）。如果在任务执行期间出现错误，该方法还会在优化循环中使用LLM对BT进行实时调整。AI2-THOR仿真器中的实验验证表明，我们的方法在使用任务特定知识的替代方法相比显著提升了整体任务性能。我们的工作表明，LLM有潜力有效地解决ZKTP问题的多个方面，为无需任务特定设置的自动化行为生成提供了稳健框架。
引用
@article{arxiv.2601.03398,
title = {Towards Zero-Knowledge Task Planning via a Language-based Approach},
author = {Liam Merz Hoffmeister and Brian Scassellati and Daniel Rakita},
journal= {arXiv preprint arXiv:2601.03398},
year = {2026}
}