कार्य संदर्भन: बड़े भाषा मॉडलों का उपयोग करके अनुकूल कार्य योजना और क्रिया समायोजन

बड़े भाषा मॉडल (LLMs) व्यापक मानव ज्ञान का लाभ उठाकर रोबोटिक कार्य योजना में एक आशाजनक क्षेत्र प्रस्तुत करते हैं। इसके बावजूद, वर्तमान साहित्य अक्सर रोबोटिक प्रणालियों में अनुकूलनशीलता और त्रुटि सुधार के महत्वपूर्ण पहलुओं की अनदेखी करता है। यह कार्य इस सीमा को पार करने का लक्ष्य रखता है, जिससे रोबोट अपने गति रणनीतियों को संशोधित कर सकें और संदर्भ के आधार पर सबसे उपयुक्त कार्य योजनाओं का चयन कर सकें। हम एक नवीन फ्रेमवर्क प्रस्तुत करते हैं जिसे क्रिया संदर्भन कहा जाता है, जिसका उद्देश्य रोबोट की क्रियाओं को विशिष्ट कार्यों की सटीक आवश्यकताओं के अनुसार अनुकूलित करना है, जिससे LLM-स्तर के संदर्भात्मक अंतर्दृष्टि के अनुप्रयोग के माध्यम से अनुकूलनशीलता बढ़ती है। हमारे प्रस्तावित गति मेट्रिक्स अनुकूलित गतियों की व्यवहार्यता और दक्षता को सुनिश्चित करते हैं, जो रोबोट के प्रदर्शन का मूल्यांकन करते हैं और योजना की पुनरावृत्तियों को समाप्त करते हैं। इसके अतिरिक्त, हमारा फ्रेमवर्क रोबोट और LLM के बीच ऑनलाइन प्रतिक्रिया का समर्थन करता है, जिससे कार्य योजनाओं में तत्काल संशोधन और त्रुटियों का सुधार संभव होता है। हमारे फ्रेमवर्क ने व्यापक सत्यापन के माध्यम से कुल 81.25% सफलता दर प्राप्त की है। अंत में, गतिशील प्रणाली (DS)-आधारित रोबोट नियंत्रकों के साथ एकीकृत, रोबोटिक आर्म-हैंड सिस्टम LLM-जनित गति योजनाओं को स्वायत्त रूप से लागू करने, त्रुटियों को बिना मानवीय हस्तक्षेप के सुधारने, और कार्यों को पूरा करने में दक्षता प्रदर्शित करता है, जो बाहरी व्यवधानों के प्रति मजबूती दिखाता है। हमारा प्रस्तावित फ्रेमवर्क मॉड्यूलर नियंत्रण दृष्टिकोणों के साथ एकीकृत होने की क्षमता रखता है, जिससे अनुक्रमिक कार्य निष्पादन में रोबोट की अनुकूलनशीलता और स्वायत्तता में महत्वपूर्ण वृद्धि होती है।