查看“WikiEdge:ArXiv-2409.12262/methods”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2409.12262/methods|action=edit}} 编辑]</div>
这篇文献的工作部分详细介绍了如何利用[[大型语言模型]]（LLM）来引导[[任务和运动规划]]（TAMP）。以下是这部分的主要内容：
# '''大型语言模型（LLM）'''：
#* 介绍了LLM作为复杂神经网络模型，通过自监督学习和自注意力机制进行训练，表现出在[[自然语言处理]]（NLP）任务中的卓越性能。
# '''任务和运动规划（TAMP）'''：
#* 描述了TAMP的目标，即将高层符号任务规划与低层运动规划相结合，以使[[机器人]]能够解决复杂的长期任务。
# '''对象级规划（Object-level Planning）'''：
#* 提出了对象级规划的概念，它使用[[功能对象导向网络]]（FOON）作为知识图谱表示，描述对象-动作关系，并专注于对象如何组合以产生新对象。
# '''从LLM到对象级规划（LLM-to-OLP）'''：
#* 描述了如何通过两阶段过程使用LLM生成对象级规划（OLP），包括从自然语言提示中生成自然语言指令序列，然后将其转换为FOON表示的对象级计划。
# '''从对象级到任务级规划（Object-level to Task-level Planning）'''：
#* 讨论了如何将对象级动作转换为[[PDDL]]问题定义，并使用预定义的机器人技能或操作符搜索可执行的机器人任务计划。
# '''从任务级到运动级规划（Task-level to Motion-level Planning）'''：
#* 说明了如何使用运动级规划找到无冲突的机器人运动，以解决机器人技能的效果。
# '''实验设置和评估'''：
#* 描述了在[[模拟环境]]中进行的实验，包括使用[[Franka Emika Panda]]机器人完成各种任务，并评估了提出的方法与其他基线方法的性能。