論文の概要: Enabling human-like task identification from natural conversation
- arxiv url: http://arxiv.org/abs/2008.10073v2
- Date: Sat, 29 Aug 2020 04:54:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 03:11:40.980772
- Title: Enabling human-like task identification from natural conversation
- Title（参考訳）: 自然な会話から人間のようなタスク識別を実現する
- Authors: Pradip Pramanick, Chayan Sarkar, Balamuralidhar P, Ajay Kattepur,
Indrajit Bhattacharya, Arpan Pal
- Abstract要約: 我々は,NLPエンジンとプランナを組み合わせた非自明な手法を提案し,ロボットがタスクと関連するパラメータをすべて識別し,タスクの正確な計画を生成する。
この研究は、ロボットにおける人間のようなタスク理解能力の実現に向けて、大きな一歩を踏み出した。
- 参考スコア（独自算出の注目度）: 7.00597813134145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A robot as a coworker or a cohabitant is becoming mainstream day-by-day with
the development of low-cost sophisticated hardware. However, an accompanying
software stack that can aid the usability of the robotic hardware remains the
bottleneck of the process, especially if the robot is not dedicated to a single
job. Programming a multi-purpose robot requires an on the fly mission
scheduling capability that involves task identification and plan generation.
The problem dimension increases if the robot accepts tasks from a human in
natural language. Though recent advances in NLP and planner development can
solve a variety of complex problems, their amalgamation for a dynamic robotic
task handler is used in a limited scope. Specifically, the problem of
formulating a planning problem from natural language instructions is not
studied in details. In this work, we provide a non-trivial method to combine an
NLP engine and a planner such that a robot can successfully identify tasks and
all the relevant parameters and generate an accurate plan for the task.
Additionally, some mechanism is required to resolve the ambiguity or missing
pieces of information in natural language instruction. Thus, we also develop a
dialogue strategy that aims to gather additional information with minimal
question-answer iterations and only when it is necessary. This work makes a
significant stride towards enabling a human-like task understanding capability
in a robot.
- Abstract（参考訳）: 同僚や同居者としてのロボットは、低コストの高度なハードウェアの開発で日々主流になりつつある。
しかし、ロボットハードウェアのユーザビリティを補助するソフトウェアスタックは、そのプロセスのボトルネックであり、特にロボットが1つの仕事に専念していない場合はなおさらだ。
多目的ロボットのプログラミングには、タスク識別と計画生成を含むオンザフライミッションスケジューリング機能が必要である。
問題次元は、ロボットが自然言語で人間からのタスクを受け入れると増加する。
近年のNLPとプランナー開発は様々な複雑な問題を解くことができるが、動的ロボットタスクハンドラの融合は限られた範囲で行われている。
具体的には、自然言語の指示から計画問題を定式化する問題は、詳細は研究されていない。
本研究では, nlpエンジンとプランナーを組み合わせることで, ロボットがタスクと関連するパラメータをすべて識別し, タスクの正確な計画を生成するための非自明な手法を提案する。
さらに、自然言語命令の曖昧さや欠落した情報を解決するためのメカニズムもいくつか必要である。
そこで我々は,必要最小限の質問応答繰り返しで追加情報を収集することを目的とした対話戦略も開発している。
この研究は、ロボットにおける人間のようなタスク理解能力の実現に向けて大きな一歩を踏み出した。
関連論文リスト
- $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳（メタデータ） (2024-10-31T17:22:30Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Autonomous Behavior Planning For Humanoid Loco-manipulation Through Grounded Language Model [6.9268843428933025]
大規模言語モデル(LLM)は、意味情報の理解と処理のための強力な計画と推論能力を示している。
本稿では,ロボットが与えられたテキストによる指示の下で,自律的に動作や低レベル実行を計画できる新しい言語モデルベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-15T17:33:32Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-14T10:37:34Z) - Logic programming for deliberative robotic task planning [2.610470075814367]
本稿では,タスク計画問題への論理プログラミングの適用の最近の進歩について調査する。
我々は、ドメイン表現の表現性、計算効率、ソフトウェア実装に基づいて、異なるプランナーとその特定のロボットアプリケーションに対する適合性を解析する。
論文 参考訳（メタデータ） (2023-01-18T14:11:55Z) - ProgPrompt: Generating Situated Robot Task Plans using Large Language
Models [68.57918965060787]
大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。
本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
論文 参考訳（メタデータ） (2022-09-22T20:29:49Z) - Towards Plug'n Play Task-Level Autonomy for Robotics Using POMDPs and
Generative Models [0.0]
ロボットのスキルを、特定のタスクを達成するためにそのスキルをスケジュールする作業自律型ロボットコントローラに統合するアプローチについて述べる。
私たちのジェネレーティブスキルドキュメンテーション言語(GSDL)は、コードドキュメンテーションをコンパクトで表現力のあるものにします。
抽象マッピング(AM)は、低レベルのロボットコードと抽象AI計画モデルとのギャップを埋める。
論文 参考訳（メタデータ） (2022-07-20T07:27:47Z) - Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。
本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。
我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文 参考訳（メタデータ） (2021-09-19T18:00:51Z) - Learning Language-Conditioned Robot Behavior from Offline Data and
Crowd-Sourced Annotation [80.29069988090912]
本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。
クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。
提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
論文 参考訳（メタデータ） (2021-09-02T17:42:13Z) - DeComplex: Task planning from complex natural instructions by a
collocating robot [3.158346511479111]
自然言語表現は言語的な変化が大きいため、人間の意図したタスクを実行するのは簡単ではない。
既存の作業では、一度に1つのタスク命令がロボットに与えられるか、命令に複数の独立したタスクが存在すると仮定している。
本稿では,自然言語命令で与えられた複数の相互依存タスクの実行順序を求める手法を提案する。
論文 参考訳（メタデータ） (2020-08-23T18:10:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。