PulseAugur
实时 08:07:49
English(EN) CLMASP: Coupling Large Language Models with Answer Set Programming for Robotic Task Planning

大型语言模型与答案集编程相结合,提高了机器人任务规划的准确性

研究人员开发了CLMASP,这是一种将大型语言模型(LLMs)与答案集编程(ASP)相结合以增强机器人任务规划的新方法。该方法利用LLMs进行初步计划生成,并利用ASP结合具体的机器人动作知识来完善这些计划,将抽象的LLM输出转化为可执行的机器人上下文。在VirtualHome平台上的实验表明,CLMASP将可执行计划的成功率从不到2%显著提高到90%以上,证明了其在实际机器人应用中的有效性。 AI

影响 这种方法显著提高了LLM生成的机器人执行计划的可靠性,有可能加速自主系统的开发和部署。

排序理由 该集群包含一篇详细介绍AI研究新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

大型语言模型与答案集编程相结合,提高了机器人任务规划的准确性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xinrui Lin, Yangfan Wu, Huanyu Yang, Yu Zhang, Yanyong Zhang, Jianmin Ji ·

    CLMASP: Coupling Large Language Models with Answer Set Programming for Robotic Task Planning

    arXiv:2406.03367v2 Announce Type: replace Abstract: Large Language Models (LLMs) possess extensive foundational knowledge and moderate reasoning abilities, making them suitable for general task planning in open-world scenarios. However, it is challenging to ground a LLM-generated…