PO-PDDL

新的PO-PDDL公式化实现了LLM友好的机器人不确定性规划

研究人员开发了PO-PDDL，一种新的符号化部分可观察马尔可夫决策过程（POMDPs）的公式化方法，它在保持PDDL的关系结构的同时，显式地建模了部分可观察性和随机性。该公式化旨在友好于LLM，并可在不同任务中重复使用。提出了一种从机器人执行的视觉演示中学习PO-PDDL模型的流水线，以识别部分可观察性并学习随机模型。在真实世界操作任务上的实验表明，该方法在不确定性下的鲁棒任务规划方面优于现有的PDDL和POMDP学习方法，并降低了规划成本。