Core Concepts
LLMとMPCを組み合わせたNARRATEアーキテクチャは、自然言語を介した柔軟で安全なロボット制御を実現する。
Abstract
大規模言語モデル(LLMs)の能力は、ロボットが自然言語命令を通じて制御される努力につながっている。
LLMとMPCの組み合わせにより、自然言語を介した正確かつ柔軟なロボット制御が可能。
NARRATEは、安全性制約を考慮しながら、自然言語で指定された操作タスクを解決する方法を示す。
ロボットポリシーに対するLMMの数学的表現は、柔軟性と精度を向上させる。
安全性とパフォーマンス向上に貢献し、人間とNARRATEの間でインタラクティブな協力関係を可能にする。
INTRODUCTION
高レベルの言語指示を正確な低レベルアクションに効率的に変換することは重要な挑戦である。
自然言語指示は、専門家プログラム不要でタスク記述が可能。
RELATED WORK
言語からコードへのアプローチや報酬関数生成への取り組みが存在。
PROBLEM STATEMENT
自然言語制御問題では、最適制御設定で安全な軌道セットを設計することが目標。
LANGUAGE TO CONTROL
LLMsを使用して最適制御問題解決。
EXPERIMENTAL SETUP
シミュレーション環境および実世界プラットフォームで評価。
RESULTS
NARRATEは他手法よりも高い成功率および効率性を達成。
EFFICIENCY EVALUATIONS
NARRATEは他手法よりも時間および距離効率が優れている。
CONTINUAL LEARNING AND FEEDBACK
フィードバックの追加によりパフォーマンスが向上し、人間とLLMのインタラクションが重要。
REAL WORLD DEPLOYMENT
実世界実験ではNARRATEが高い成功率を達成し、異なるエンボディメントでも使用可能。
Stats
この研究では特定の数値やメトリックは含まれていません。