Oct, 2022

开放世界中的机器人任务规划和情境处理

PDF
TL;DR介绍了一种新的算法 (COWP)，用于基于任务和机器人技能从语言模型中提取常识，实现在开放世界中完成任务规划和情境处理，实验结果表明其在服务任务成功率方面显著优于现有文献中的竞争基线算法。
automated task planningopen-world task planningcommon senselarge language modelsrobot skills
发现论文，激发创造
  • 在开放世界中整合行动知识和 LLM 用于任务规划和情境处理

    该研究提出了一种名为 COWP 的新框架，该框架利用预先训练的大型语言模型，动态地增加任务指向的常识知识，以应对开放式世界中的任务计划和情况处理，该方法在服务任务的成功率方面优于现有方法。

    May, 2023

  • 通过调整规划模型学习在开放世界中的操作

    在开放世界中，我们介绍了一个适应新颖性的规划领域模型的方法，通过检测行动执行的观察值和环境模型的预期值之间的差异来推断新颖性的存在，并通过启发式导向的模型改变搜索来修订模型。我们在标准的强化学习基准 CartPole 问题上进行实证评估，结果表明我们的方法可以快速且可解释地处理一类新颖性。

    Mar, 2023

  • CoPAL: 机器人动作的修正规划与大型语言模型

    在全面自主的机器人系统领域，本研究通过提出系统架构来解决复杂开放世界环境中任务与动作规划的挑战，核心是处理生成计划中的物理、逻辑和语义错误的重规划策略。通过在仿真和两个复杂的现实场景中进行实证评估，我们展示了所提出的反馈架构对可执行性、正确性和时间复杂性的有效性。

    Oct, 2023

  • 使用预训练视觉语言模型进行开放世界物体操作

    通过使用预训练的视觉 - 语言模型，开发了一种简单的方法 Manipulation of Open-World Objects (MOO) 来从自然语言命令和图像中提取目标标识信息，并将机器人策略基于当前图像、指令和提取的对象信息。在一个真实的移动机械臂上进行了多种实验，发现 MOO 可以零样本推广到广泛的新对象类别和环境中。

    Mar, 2023

  • 基于明确人类心态推理的鲁棒人机协同任务规划

    该研究基于情境评估，提出了一种新颖的解决方案，可以在人机团队合作中帮助机器人预测和模拟人类决策，并通过沟通协调达到信念一致，提高问题解决效率和鲁棒性。

    Oct, 2022

  • 自适应开放环境下的关节化物体移动操控

    在本研究中，我们介绍了一个全套解决方案，即开放世界移动操作系统，用于处理开放且无结构的环境中的真实关节对象操作，如真实世界中的门、柜子、抽屉和冰箱。我们还开发了一种低成本的移动操作硬件平台，能够在无结构环境中进行安全和自主的在线调整。

    Jan, 2024

  • 利用知识表示和任务规划实现机器人无关的接触丰富擦拭任务技能

    该研究论文探讨了灵活制造、工业 4.0 和高混合低容量任务所需的机器人编程解决方案，并展示了如何使用知识表示、任务规划和基于输入参数的技能实现的自动选择，在不同的环境中执行具有接触性擦拭任务的单一机器人技能。

    Aug, 2023

  • 部分可观测任务和运动问题中的信念空间在线重规划

    本文提出了一个在线计划和执行系统，使用混合置信状态空间进行确定性代价敏感计划来选择成功概率高的观察行动和连续控制行动，以解决部分可观察问题，并在模拟和真实世界的厨房中展示了高效的解决方案。

    Nov, 2019

  • 面向开放世界抓取的大规模视觉语言模型

    通过结合语言模型 (vision-language models)、分割模型和抓取综合模型，提出了一个能够在任何场景中理解、规划和执行物体抓取的开放世界抓取系统 (OWG)，通过视觉提示机制，借助于开放式自由语言的引导实现零样本应用，展示了该系统在杂乱室内场景数据集和仿真环境、硬件实验中相对于以往的有监督和零样本语言模型方法具有优越性能。

    Jun, 2024

  • 利用人类引导的因果知识实现更一般化的机器人任务规划

    通过人类引导的因果知识的使用，作者在语言接口和机器人上开发和测试了一种方法，可以使机器人在新环境中获得泛化解决方案。

    Oct, 2021