Core Concepts
本研究では、大規模言語モデルを用いて、自然言語命令の曖昧性を解消し、利用者の好みを把握することで、ロボットの経路計画の信頼性を向上させる。
Abstract
本研究では、ロボットの経路計画のために、利用者の自然言語命令を大規模言語モデルを用いて処理する枠組みを提案している。
まず、文章埋め込みモデルと決定木分類器を組み合わせて、命令文の曖昧性を検出する。曖昧性が検出された場合は、GPT-4を用いて利用者に確認の質問を生成し、回答を得ることで命令文を明確化する。
次に、GPT-4を用いて、明確化された命令文から利用者の好みを抽出し、過去の対話履歴から必要に応じて確認する。これにより、利用者の好みを考慮した経路計画が可能となる。
最後に、明確化された命令文をリニア時間論理(LTL)仕様に変換し、LTLに基づいた経路計画手法を用いてロボットの経路を生成する。
実験では、提案手法の曖昧性解消の効果と、ロボットの経路計画への適用を検証している。結果として、提案手法が曖昧性を効果的に解消し、利用者の好みを考慮した信頼性の高い経路計画を実現できることを示している。
Quotes
"本研究では、大規模言語モデルを用いて、自然言語命令の曖昧性を解消し、利用者の好みを把握することで、ロボットの経路計画の信頼性を向上させる。"
"提案手法が曖昧性を効果的に解消し、利用者の好みを考慮した信頼性の高い経路計画を実現できることを示している。"