論文の概要: Conformal Temporal Logic Planning using Large Language Models
- arxiv url: http://arxiv.org/abs/2309.10092v3
- Date: Thu, 22 Feb 2024 21:48:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-26 18:08:38.232233
- Title: Conformal Temporal Logic Planning using Large Language Models
- Title(参考訳): 大規模言語モデルを用いたコンフォーマル時間論理計画
- Authors: Jun Wang, Jiaming Tong, Kaiyuan Tan, Yevgeniy Vorobeychik, Yiannis
Kantaros
- Abstract要約: 本稿では,複数のハイレベルなサブタスクを遂行する移動ロボットの新たな動作計画問題に対処する。
これらのサブタスクは、時間的および論理的な順序で達成されるべきである。
我々の目標は、NLベースの原子命題に基づいて定義されたタスクを満たすロボットプランを設計することである。
- 参考スコア(独自算出の注目度): 29.57952582715011
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses a new motion planning problem for mobile robots tasked
with accomplishing multiple high-level sub-tasks, expressed using natural
language (NL). These sub-tasks should be accomplished in a temporal and logical
order. To formally define the overarching mission, we leverage Linear Temporal
Logic (LTL) defined over atomic predicates modeling these NL-based sub-tasks.
This is in contrast to related planning approaches that define LTL tasks over
atomic predicates capturing desired low-level system configurations. Our goal
is to design robot plans that satisfy LTL tasks defined over NL-based atomic
propositions. A novel technical challenge arising in this setup lies in
reasoning about correctness of a robot plan with respect to such LTL-encoded
tasks. To address this problem, we propose HERACLEs, a hierarchical conformal
natural language planner, that relies on (i) automata theory to determine what
NL-specified sub-tasks should be accomplished next to make mission progress;
(ii) Large Language Models to design robot plans satisfying these sub-tasks;
and (iii) conformal prediction to reason probabilistically about correctness of
the designed plans and to determine if external assistance is required. We
provide theoretical probabilistic mission satisfaction guarantees as well as
extensive comparative experiments on mobile manipulation tasks.
- Abstract(参考訳): 本稿では,自然言語(NL)を用いて複数のハイレベルなサブタスクを遂行する移動ロボットの新しい動作計画問題に対処する。
これらのサブタスクは、時間的および論理的な順序で達成されるべきである。
これらのNLに基づくサブタスクをモデル化する原子述語上で定義された線形時間論理(LTL)を利用する。
これは、所望の低レベルシステム構成をキャプチャするアトミック述語よりもLTLタスクを定義する関連する計画手法とは対照的である。
我々の目標は、NLに基づく原子命題上で定義されたLTLタスクを満たすロボット計画を設計することである。
この設定で生じる新しい技術的課題は、そのようなltlエンコードされたタスクに関してロボット計画の正確性に関する推論である。
この問題に対処するため,我々は階層型共形自然言語プランナーであるheraclesを提案する。
(i)nl特定サブタスクを次に達成すべきものを決定するためのオートマトン理論
(二)これらのサブタスクを満たすロボット計画を設計するための大型言語モデル
(iii)設計計画の正確性について確率論的に推論し、外部支援が必要かどうかを判断するための共形予測
我々は,モバイル操作タスクに関する広範な比較実験と同様に,理論的確率的ミッション満足度保証を提供する。
関連論文リスト
- Safe Task Planning for Language-Instructed Multi-Robot Systems using
Conformal Prediction [13.053013407015628]
ミッション成功率の高い分散型マルチロボットプランナを新たに導入する。
これは、分布のない不確実性定量化ツールである共形予測(CP)をブラックボックスモデルで活用することで達成される。
理論的にも経験的にも,提案したプランナは,ヘルプリクエストの総数を最小限に抑えながら,ユーザ特定タスクの成功率を達成可能であることを示す。
論文 参考訳(メタデータ) (2024-02-23T15:02:44Z) - Consolidating Trees of Robotic Plans Generated Using Large Language
Models to Improve Reliability [6.4111574364474215]
LLM(Large Language Models)の固有の確率論的性質は、予測不可能な要素を導入している。
本稿では,多様な現実の要求やシナリオに対して,適切なロボットタスク計画を作成することを目的とした,革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-01-15T18:01:59Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳(メタデータ) (2023-12-29T14:00:20Z) - Learning adaptive planning representations with natural language
guidance [90.24449752926866]
本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。
Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
論文 参考訳(メタデータ) (2023-12-13T23:35:31Z) - 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) - Decomposition-based Hierarchical Task Allocation and Planning for
Multi-Robots under Hierarchical Temporal Logic Specifications [9.99593273031106]
時間論理仕様を用いて計画するための分解に基づく階層的枠組みを定式化する。
混合線形プログラムを使用して、様々なロボットにサブタスクを割り当てる。
ロボットナビゲーションと操作の領域に対して,本手法を実験的に適用した。
論文 参考訳(メタデータ) (2023-08-20T23:53:13Z) - Learning to Reason over Scene Graphs: A Case Study of Finetuning GPT-2
into a Robot Language Model for Grounded Task Planning [45.51792981370957]
本研究では,ロボットタスク計画における小クラス大規模言語モデル(LLM)の適用性について,計画立案者が順次実行するためのサブゴール仕様にタスクを分解することを学ぶことによって検討する。
本手法は,シーングラフとして表現される領域上でのLLMの入力に基づいて,人間の要求を実行可能なロボット計画に変換する。
本研究は,LLMに格納された知識を長期タスクプランニングに効果的に活用できることを示唆し,ロボット工学におけるニューロシンボリックプランニング手法の今後の可能性を示すものである。
論文 参考訳(メタデータ) (2023-05-12T18:14:32Z) - Multimodal Contextualized Plan Prediction for Embodied Task Completion [9.659463406886301]
タスクプランニングは従来のロボットシステムにおいて重要なコンポーネントであり、ロボットがより複雑なタスクを実行するためのきめ細かいスキルを組み立てることができる。
シミュレーション実施エージェントにおけるタスク完了のための自然言語を実行可能なアクションに翻訳する最近の作業構築システムは,低レベルのアクションシーケンスを直接予測することに焦点を当てている。
我々は,そのような具体化されたタスク完了データセット - TEACh に対して,より高いレベルの計画表現を予測することに集中する。
論文 参考訳(メタデータ) (2023-05-10T22:29:12Z) - 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) - Procedures as Programs: Hierarchical Control of Situated Agents through
Natural Language [81.73820295186727]
エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。
NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
論文 参考訳(メタデータ) (2021-09-16T20:36:21Z)
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。