逻辑编程用于机器人任务决策规划
提出了一个在规划背景下进行伦理决策的框架,旨在应用于机器人。使用线性时间逻辑和词典偏好建模,提出了紧凑但高度表达的伦理规划语言,允许我们评估代理人的价值和欲望,引入了代理人的道德水平概念,并向多目标、多价值规划迈进。初步研究了规划任务的计算复杂性,并讨论了机器人的潜在应用。
Jun, 2022
通过引入分层结构的时态逻辑规范,将传统的机器人规划方法分解为多层组合规范,以提高语法简洁性、可解释性和规划效率,同时开发了一种基于分解的方法来处理具有分层时态逻辑结构的任务,实验结果表明分层形式具有更强的表达潜力,并且所提出的方法具有很好的效果,适用于机器人导航与操纵。
Aug, 2023
我们提出了一种算法,该算法利用概率生成建模与逻辑计划验证相结合,从人类团队的规划对话的处理形式中推断出最终计划。我们成功地通过人体实验验证了该算法,展示了基于 PR2 机器人的人 - 机协作任务的规划和执行。
Jun, 2013
本文介绍了一种结合自然语言处理和计划生成的方法,以实现机器人的多功能任务处理和人类般的任务理解能力。同时还探讨了一种能够最小化问答迭代的对话策略来解决自然语言指令中的歧义和缺失问题。
Aug, 2020
本文介绍了一种自主学习的方法,通过无标注的高维真实值机器人轨迹,自动学习抽象状态和动作的可推广的基于逻辑的关系表示,形成了自动发明的类似 PDDL 的领域模型。通过确定性设置的实证结果表明,仅凭少量机器人轨迹就可以学习到强大的抽象表示,所学的关系表示包括但超越了高级动作的经典直观概念,并且学习的模型使得规划算法能够扩展到以前超出手工构思抽象的任务范围。
Feb, 2024
在本文中,我们提出了一个使用语言模型进行多步逻辑推理的新型系统,该系统将显式计划纳入其推理过程中,从而通过向前看到它们的未来效果,能够在每一步上做出更明智的推理决策。在我们的实验中,我们的完整系统明显优于其他竞争系统,在多项选择题回答任务中,我们的系统表现与 GPT-3-davinci 相当,尽管只有约 15B 的参数。我们进行了几项削减研究,以证明显式计划在系统性能中起着重要作用。
Mar, 2023
一个互动机器人框架可以完成长期任务规划,并能在执行过程中轻松推广到新目标或不同任务。通过语言模型实现了高级规划和低级功能执行的系统,实现了对未知目标的新颖高级指令的生成,并通过仅替换任务指南来适应不同任务,而无需复杂的提示工程。此外,当用户发送新请求时,系统能够根据新请求、任务指南和先前执行步骤精确地重新规划。
Oct, 2023
我们对离散高层推理和连续低层推理之间的集成水平进行了系统分析,以解决机器人领域的混合规划问题,并确定了四种不同的集成策略,我们在机器人操作和腿部运动领域进行了实验以验证这些方法的实用性和优缺点。
Jul, 2013
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