大型语言模型与符号推理结合用于多机器人规划

研究人员开发了PLANTOR框架，该框架将大型语言模型（LLMs）与符号推理相结合，用于多机器人时间规划。该系统利用LLMs从自然语言任务描述中创建结构化的Prolog知识库，然后检查错误并用于生成符号规划。这些规划被细化为机器人动作，并针对时间进行优化，然后转换为可执行的行为树。虽然LLM生成的知识库可以显著减少手动工作量，但论文建议在关键任务中仍可能需要人工纠正，提倡一种混合方法，即LLMs协助创建符号制品，而规划过程仍可检查。 AI

影响 这项研究通过自动化知识库创建和规划，有望简化复杂机器人系统的开发，从而加速多机器人应用的部署。

排序理由 研究论文，详细介绍了用于AI辅助机器人的新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Blocks World
• Enrico Saccon
• Grippers
• Hugging Face
• large language models
• multi-robot temporal planning
• Prolog

• 论文
• 产品

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