?填補(bǔ)領(lǐng)域空白！利用大型語(yǔ)言模型實(shí)現(xiàn)機(jī)器人任務(wù)規(guī)劃中的人類意識(shí)

AIGC動(dòng)態(tài)1年前 (2024)發(fā)布大數(shù)據(jù)文摘

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：?填補(bǔ)領(lǐng)域空白！利用大型語(yǔ)言模型實(shí)現(xiàn)機(jī)器人任務(wù)規(guī)劃中的人類意識(shí)
關(guān)鍵字：機(jī)器人,任務(wù),人類,環(huán)境,方法
文章來(lái)源：大數(shù)據(jù)文摘
內(nèi)容字?jǐn)?shù)：6081字

內(nèi)容摘要：

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自機(jī)器人大講堂
近年來(lái)，隨著機(jī)器人在工業(yè)、交通和家庭環(huán)境中扮演越來(lái)越重要的角色，如何在規(guī)劃?rùn)C(jī)器人任務(wù)和時(shí)考慮到周圍人類的動(dòng)作，已經(jīng)成為一個(gè)關(guān)鍵課題。得益于自然語(yǔ)言處理（NLP）研究的重大進(jìn)展，大型語(yǔ)言模型（LLMs）的出現(xiàn)極大地提升了機(jī)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(dòng)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(guò)將人類感知融入基于LLM的機(jī)器人任務(wù)規(guī)劃中，以填補(bǔ)這一研究空白。大型語(yǔ)言模型在機(jī)器人任務(wù)規(guī)劃中的應(yīng)用LLM的崛起在過(guò)去幾年中，自然語(yǔ)言處理領(lǐng)域取得了飛躍性進(jìn)展，特別是大型語(yǔ)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(lái)解決機(jī)器人任務(wù)和規(guī)劃（TAMP）問(wèn)題。他們通過(guò)從LLMs中提取常識(shí)知識(shí)并將其用作經(jīng)典自動(dòng)任務(wù)規(guī)劃算法的約束條件，以提高生成計(jì)劃的正確性和可執(zhí)行性。

原文鏈接：?填補(bǔ)領(lǐng)域空白！利用大型語(yǔ)言模型實(shí)現(xiàn)機(jī)器人任務(wù)規(guī)劃中的人類意識(shí)