AIGC動態(tài)歡迎閱讀

原標(biāo)題：?填補領(lǐng)域空白！利用大型語言模型實現(xiàn)機器人任務(wù)規(guī)劃中的人類意識
關(guān)鍵字：機器人,任務(wù),人類,環(huán)境,方法
文章來源：大數(shù)據(jù)文摘
內(nèi)容字數(shù)：6081字

內(nèi)容摘要：

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自機器人大講堂
近年來，隨著機器人在工業(yè)、交通和家庭環(huán)境中扮演越來越重要的角色，如何在規(guī)劃機器人任務(wù)和時考慮到周圍人類的動作，已經(jīng)成為一個關(guān)鍵課題。得益于自然語言處理（NLP）研究的重大進展，大型語言模型（LLMs）的出現(xiàn)極大地提升了機器人任務(wù)和規(guī)劃（TAMP）的性能。然而，之前的方法往往忽視了動態(tài)環(huán)境中的人類因素。不久前刊登在arxiv上的一篇名為《Towards Human Awareness in Robot Task Planning with Large Language Models》的研究，提出了一種新穎的方法，通過將人類感知融入基于LLM的機器人任務(wù)規(guī)劃中，以填補這一研究空白。大型語言模型在機器人任務(wù)規(guī)劃中的應(yīng)用LLM的崛起在過去幾年中，自然語言處理領(lǐng)域取得了飛躍性進展，特別是大型語言模型（LLMs）的發(fā)展。這些模型展示了生成類人文本、編程代碼和服務(wù)組合的高超能力。許多研究者已經(jīng)開始利用這些模型來解決機器人任務(wù)和規(guī)劃（TAMP）問題。他們通過從LLMs中提取常識知識并將其用作經(jīng)典自動任務(wù)規(guī)劃算法的約束條件，以提高生成計劃的正確性和可執(zhí)行性。

原文鏈接：?填補領(lǐng)域空白！利用大型語言模型實現(xiàn)機器人任務(wù)規(guī)劃中的人類意識

聯(lián)系作者

文章來源：大數(shù)據(jù)文摘
作者微信：BigDataDigest
作者簡介：普及數(shù)據(jù)思維，傳播數(shù)據(jù)文化