WikiEdge:ArXiv-2409.12262/background
跳至導覽
跳至搜尋
這篇文獻的背景主要集中在以下幾個方面：
- 大型語言模型（Large Language Models，LLMs）在規劃領域的應用：
- 大型語言模型（LLMs）通過自監督學習和自我注意力機制訓練而成，已在自然語言處理（Natural Language Processing，NLP）和生成任務中展現出卓越的性能。
- LLMs被用於機械人規劃和具身智能體規劃，它們能夠編碼關於世界的領域知識，對決策制定十分有用。
- 現有方法的局限性：
- 現有研究將LLMs作為任務規劃器或任務目標生成器，但這些方法存在不足，因為它們要麼依賴LLM進行實際規劃，要麼輸出難以滿足的目標。
- 將LLM作為任務規劃器會失去經典規劃所保證的最優性和完備性；而將LLM作為任務描述生成器，則可能因缺乏具身性而無法生成可行的規劃定義。
- 對象級規劃（Object-level Planning）的提出：
- 為了克服現有方法的局限性，作者提出了一種新方法，通過從LLM中提取知識生成對象級規劃，這些規劃描述了對象狀態的高層次變化，並用於以層次化的方式引導任務和運動規劃（Task and Motion Planning，TAMP）。
- 該方法提取LLM中的知識，形成稱為功能面向對象網絡（Functional Object-Oriented Networks，FOON）的對象級表示，自動生成PDDL子目標，從而繼承了LLM的常識規劃知識，同時支持健全且完整的任務級規劃。
綜上所述，這篇文獻的背景強調了利用LLMs在規劃領域中進行創新的可能性，以及通過對象級規劃來提高規劃質量和效率的必要性。