Jun, 2024

CLMASP：将大型语言模型与答题集编程结合用于机器人任务规划

PDF
TL;DR使用 CLMASP 方法，通过结合大型语言模型 (LLMs) 和 Answer Set Programming (ASP) 的能力，能够生成可在具体机器人情境中执行的规划方案，大幅度提高了可执行率。
large language modelsclmaspanswer set programmingrobot's action knowledgeexecutable rate
发现论文，激发创造
  • 借助解答集编程指导和多样化基于 LLM 的故事生成

    使用回答集编程（ASP）的高层次和抽象符号规范引导和多样化基于 LLM 的故事生成，产生比未引导的 LLM 更多样化的故事，并通过代码摘录证明 ASP-based outline generation 相较于完整的叙事规划具有改进的紧凑性和灵活性。

    Jun, 2024

  • 利用答案集编程的混合条件规划

    本文介绍了一种名为 HCP-ASP 的并行离线算法，该算法基于非单调的答案集编程（ASP）语言建模执行动作和感知动作，利用公式化表示行动执行过程中的连续可行性检查，以达成目标。该算法可显式地公式化关于状态的部分知识以及感知动作的非确定性效应，从而不需要预先对感知动作进行规划或排序。我们将该方法应用于服务机器人领域并进行了实验评估。此外，我们还在标准基准域上与其他基于编译的条件规划器进行了性能比较。

    Jul, 2017

  • 关于将大型语言模型（LLMs）纳入自动规划和调度（APS）的前景展望

    自主规划和调度是人工智能中增长最快的领域之一，本研究通过对 126 篇论文进行全面检视，调查了 LLMs 在地址规划问题的各个方面时的独特应用，并提出了八个类别：语言翻译、计划生成、模型构建、多智能体规划、交互规划、启发式优化、工具集成以及脑启发式规划，强调 LLMs 与传统符号规划器的结合展示出潜力，揭示出一种有前景的神经符号化方法。

    Jan, 2024

  • 大语言模型和答集编程实现可靠自然语言理解

    提出了一个结合了大型语言模型和逻辑编程 Answer Set Programming 的框架 STAR，通过在语言上提取知识并利用 ASP 进行规定驱动的推理，以提高针对需要推理的 NLU 任务的性能和可解释性。

    Feb, 2023

  • 理解大型语言模型在自动化规划方面的能力

    该研究旨在探讨大型语言模型在自动计划中的应用，研究包括使用何种预训练数据最有效、微调或提示哪种方法最有效以及大型语言模型能否进行计划综合。

    May, 2023

  • 使用大型语言模型生成机器人任务计划

    通过使用编程式的提示结构，可以促使大型语言模型在不同的环境、机器人能力和任务中进行计划生成，从而大大减少了任务规划中需要定义的领域知识。

    Sep, 2022

  • CPS-LLM：基于大型语言模型的人 - 机 - 工网络中安全使用计划生成器

    使用大型语言模型（LLM）和人在环循环人在植物物理系统（CPS）中探索将高水平提示转化为个性化行动计划，并随后将该计划转化为由实际物理系统控制器自动执行的推理序列决策，以达到控制目标。我们表明，将 LLM 置于上下文中使其能够生成领域特定的计划相对简单。然而，这些计划可能对物理系统来说无法执行，或对人类使用者来说不安全。因此，我们提出了 CPS-LLM，这是一个使用指令调整框架进行重新训练的 LLM，确保生成的计划不仅与 CPS 的物理系统动力学一致，而且对人类使用者来说是安全的。CPS-LLM 由两个创新组成部分组成：a）一种基于液态时常的神经网络物理动力学系数估计器，可以推导出带有一些未测量状态变量的动力学模型的系数；b）然后使用模型系数对使用动力学系统和相应模型系数体现的提示进行 LLM 训练。我们表明，当将 CPS-LLM 与如 BARD 等上下文化聊天机器人集成时，它可以生成可行且安全的计划，以管理被 1 型糖尿病患者使用的自动胰岛素输送系统的外部事件，如餐饮事务。

    May, 2024

  • 支持不完整用户查询的 LLM + 推理 + 规划在 API 存在的情况下

    最近大型语言模型（LLMs）的可用性推动了许多基于 LLM 的方法的发展，旨在提供各种最终用户任务的自然语言接口。我们提出的方法的关键思想是利用逻辑推理和经典人工智能规划，结合 LLM 准确回答用户查询，包括识别和收集这些查询中的任何缺失信息。

    May, 2024

  • 将大型语言模型与逻辑编程相结合，从文本中进行稳健和通用的推理

    本研究探讨大型语言模型在自然语言推理任务上的表现。通过使用少量样本指导大型语言模型进行任务适应，以及可应用于多个任务的可重用的知识模块，结合逻辑形式输入的答案程序，实现了在多项 NLP 基准测试上的最新性能，包括 bAbI，StepGame，CLUTRR 和 gSCAN，并成功解决了机器人规划任务，而大型语言模型单独无法解决。

    Jul, 2023

  • 双臂机器人通过答案集编程操作关节式物体

    本论文提出了基于 Answer Set Programming (ASP) 的框架，以实现对机器人控制结构中的关节式物体的自动化操纵。该框架通过 ASP 表示关节式物体的配置，并检查知识库中这种表示的一致性，并生成操纵动作序列。利用自动规划的宏动作来更有效地规划操纵关节式物体的机器人的操作，验证了该框架的可行性。

    Oct, 2020