論文の概要: Robot Behavior-Tree-Based Task Generation with Large Language Models

• arxiv url: http://arxiv.org/abs/2302.12927v1
• Date: Fri, 24 Feb 2023 22:53:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 19:52:56.682228
• Title: Robot Behavior-Tree-Based Task Generation with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いたロボット行動駆動型タスク生成
• Authors: Yue Cao and C.S. George Lee
• Abstract要約: 本稿では,最先端の大規模言語モデルを用いた行動木に基づくタスク生成手法を提案する。 本稿では,階層型ロボットタスク生成を実現するためのフェーズステッププロンプト設計を提案し,さらに行動木埋め込みに基づく探索と統合して適切なプロンプトを設定する。 私たちの振る舞いツリーベースのタスク生成アプローチは、事前に定義された原始的なタスクのセットを必要としない。
• 参考スコア（独自算出の注目度）: 14.384843227828775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, the behavior tree is gaining popularity as a representation for robot tasks due to its modularity and reusability. Designing behavior-tree tasks manually is time-consuming for robot end-users, thus there is a need for investigating automatic behavior-tree-based task generation. Prior behavior-tree-based task generation approaches focus on fixed primitive tasks and lack generalizability to new task domains. To cope with this issue, we propose a novel behavior-tree-based task generation approach that utilizes state-of-the-art large language models. We propose a Phase-Step prompt design that enables a hierarchical-structured robot task generation and further integrate it with behavior-tree-embedding-based search to set up the appropriate prompt. In this way, we enable an automatic and cross-domain behavior-tree task generation. Our behavior-tree-based task generation approach does not require a set of pre-defined primitive tasks. End-users only need to describe an abstract desired task and our proposed approach can swiftly generate the corresponding behavior tree. A full-process case study is provided to demonstrate our proposed approach. An ablation study is conducted to evaluate the effectiveness of our Phase-Step prompts. Assessment on Phase-Step prompts and the limitation of large language models are presented and discussed.
• Abstract（参考訳）: 近年,ロボット作業の表現として,モジュール性と再利用性からビヘイビアツリーが普及している。 手動で行動木タスクを設計することは、ロボットのエンドユーザーにとって時間を要するため、自動行動木ベースのタスク生成を調査する必要がある。 以前のビヘイビアツリーベースのタスク生成アプローチは、固定されたプリミティブタスクにフォーカスし、新しいタスクドメインへの一般化性を欠いている。 そこで本研究では,最先端の大規模言語モデルを用いた新しいタスク生成手法を提案する。 本稿では,階層構造を有するロボットタスク生成を可能にし,それとビヘイビアツリーエンベディングに基づく検索と統合して適切なプロンプトを設定するフェーズステッププロンプト設計を提案する。 このようにして、自動およびクロスドメイン動作ツリータスク生成を可能にする。 ビヘイビアツリーベースのタスク生成アプローチは、事前に定義されたプリミティブタスクのセットを必要としない。 エンドユーザは、抽象的なタスクのみを記述する必要があり、提案手法は、迅速に対応する行動木を生成することができる。 提案手法を実証するために全プロセス事例研究を行った。 フェーズステッププロンプトの有効性を評価するため,アブレーション実験を行った。 フェーズステップのプロンプトの評価と大規模言語モデルの制限について論じる。

関連論文リスト

• TA&AT: Enhancing Task-Oriented Dialog with Turn-Level Auxiliary Tasks and Action-Tree Based Scheduled Sampling [16.77137239284608]
  タスク指向対話システムは,対話型事前学習技術によって大きく進歩している。 エンコーダのターンレベルマルチタスク目的を提案する。 デコーダに対しては,アクションツリーに基づくスケジュールサンプリング手法を導入する。
  論文  参考訳（メタデータ） (2024-01-28T11:02:23Z)
• TapTree: Process-Tree Based Host Behavior Modeling and Threat Detection Framework via Sequential Pattern Mining [0.29465623430708915]
  本稿では,システムイベントのセマンティック情報をコンパイルすることでホスト動作を抽出するTapTreeを提案する。 最近のベンチマーク監査ログデータセット(DARPA OpTC)に対する評価では、TapTreeは、接続されたシステムイベントのセマンティクスを推論するために、ツリーパターンクエリとシーケンシャルパターンマイニング技術を使用している。
  論文  参考訳（メタデータ） (2023-12-10T15:12:55Z)
• Interactive Task Planning with Language Models [97.86399877812923]
  対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。 最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、多くの場合、重いプロンプトエンジニアリングやドメイン固有の事前訓練されたモデルを必要とする。 本稿では,言語モデルを用いた対話型タスクプランニングを実現するためのシンプルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:12Z)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• Unsupervised Task Graph Generation from Instructional Video Transcripts [53.54435048879365]
  本研究では,実世界の活動を行う指導ビデオのテキスト書き起こしを提供する環境について考察する。 目標は、これらの重要なステップ間の依存関係関係と同様に、タスクに関連する重要なステップを特定することです。 本稿では,命令調整言語モデルの推論能力とクラスタリングとランキングコンポーネントを組み合わせたタスクグラフ生成手法を提案する。
  論文  参考訳（メタデータ） (2023-02-17T22:50:08Z)
• Build generally reusable agent-environment interaction models [28.577502598559988]
  本稿では,モデルの事前学習の問題に対処し,ダウンストリームタスク学習のためのバックボーンを一般に再利用する。 本稿では,様々なタスクをカバーしたエージェントの膨大な経験から,ドメイン不変な後継特徴を学習してエージェント環境相互作用モデルを構築し,それらを行動プロトタイプに識別する手法を提案する。 本研究では,事前学習した組立構造に基づく下流タスク学習が課題目標,環境力学,センサのモダリティの未確認変化を処理できる予備的な結果を提供する。
  論文  参考訳（メタデータ） (2022-11-13T07:33:14Z)
• Verifying Safety of Behaviour Trees in Event-B [0.0]
  行動木(BT)はロボティクスコミュニティでますます人気が高まっている。 本稿では,すでに使用されている木の不変性を証明するために,行動木の公式な仕様と方法論を提案する。
  論文  参考訳（メタデータ） (2022-09-28T12:26:50Z)
• Fast Inference and Transfer of Compositional Task Structures for Few-shot Task Generalization [101.72755769194677]
  本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。 我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。 提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
  論文  参考訳（メタデータ） (2022-05-25T10:44:25Z)
• Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
  タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。 タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。 そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
  論文  参考訳（メタデータ） (2022-04-23T19:39:49Z)
• A Persistent Spatial Semantic Representation for High-level Natural Language Instruction Execution [54.385344986265714]
  本稿では,言語行動とロボット行動のギャップを埋めるために,永続的な空間意味表現法を提案する。 一般的なステップバイステップ命令を完全に回避しながら、ALFREDベンチマークに対する我々のアプローチを評価し、最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-07-12T17:47:19Z)

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。