WikiEdge:ArXiv-2409.12262/terms

編輯

這篇文章的術語表如下：

• 大型語言模型（Large Language Models, LLM）：大型語言模型是一種複雜的神經網絡模型，通過自監督學習和自注意力機制訓練而成，用於處理和生成自然語言。
• 任務和運動規劃（Task and Motion Planning, TAMP）：任務和運動規劃的目標是將高層次的符號化任務規劃與低層次的運動規劃相結合，使機器人能夠解決複雜的長期任務。
• 功能面向對象網絡（Functional Object-Oriented Networks, FOON）：功能面向對象網絡是一種知識圖譜表示，描述了對象-動作關係，用於在更接近人類語言的層次上描述對象狀態的轉換。
• PDDL（Planning Domain Definition Language）：規劃領域定義語言是一種用於描述規劃問題的邏輯語言，包括定義動作、對象、初始狀態和目標狀態。
• 對象級規劃（Object-level Planning）：對象級規劃是一種規劃層次，專注於對象之間的交互，而不涉及具體的任務或運動規劃細節。
• 任務級規劃（Task-level Planning）：任務級規劃是指在給定的初始狀態和目標狀態之間找到一系列動作序列，以實現特定的任務目標。
• 運動級規劃（Motion-level Planning）：運動級規劃負責找到無碰撞的機器人運動或軌跡，以執行任務規劃中定義的動作。
• 自注意力機制（Self-Attention Mechanism）：自注意力機制是一種神經網絡技術，允許模型在處理序列數據時，對序列中的不同部分進行加權，以捕捉序列內部的依賴關係。
• 強化學習（Reinforcement Learning, RL）：強化學習是一種機器學習方法，通過與環境的交互來學習如何做出決策，以最大化某種累積獎勵。