​填补领域空白！利用大型语言模型实现机器人任务规划中的人类意识

AIGC动态欢迎阅读

原标题：​填补领域空白！利用大型语言模型实现机器人任务规划中的人类意识
关键字：机器人,任务,人类,环境,方法
文章来源：大数据文摘
内容字数：6081字

内容摘要：

大数据文摘授权转载自机器人大讲堂
近年来，随着机器人在工业、交通和家庭环境中扮演越来越重要的角色，如何在规划机器人任务和运动时考虑到周围人类的动作，已经成为一个关键课题。得益于自然语言处理（NLP）研究的重大进展，大型语言模型（LLMs）的出现极大地提升了机器人任务和运动规划（TAMP）的性能。然而，之前的方法往往忽视了动态环境中的人类因素。不久前刊登在arxiv上的一篇名为《Towards Human Awareness in Robot Task Planning with Large Language Models》的研究，提出了一种新颖的方法，通过将人类感知融入基于LLM的机器人任务规划中，以填补这一研究空白。大型语言模型在机器人任务规划中的应用LLM的崛起在过去几年中，自然语言处理领域取得了飞跃性进展，特别是大型语言模型（LLMs）的发展。这些模型展示了生成类人文本、编程代码和服务组合的高超能力。许多研究者已经开始利用这些模型来解决机器人任务和运动规划（TAMP）问题。他们通过从LLMs中提取常识知识并将其用作经典自动任务规划算法的约束条件，以提高生成计划的正确性和可执行性。

原文链接：​填补领域空白！利用大型语言模型实现机器人任务规划中的人类意识

联系作者

文章来源：大数据文摘
作者微信：BigDataDigest
作者简介：普及数据思维，传播数据文化