ロボットのタスク計画における閉ループ状態フィードバックを用いたLLMの基盤化

ロボットの計画アルゴリズムは、多様な環境内でエージェントに行動を指示し、タスクを達成させます。PaLM 2、GPT-3.5、GPT-4などの大規模言語モデル（LLM）は、この分野に革命をもたらし、埋め込まれた実世界の知識を活用して複数のエージェントや物体を含む複雑なタスクに取り組んでいます。本論文では、LLMをロボティクスの文脈に統合し、タスク中心の実行および成功率を向上させる革新的な計画アルゴリズムを紹介します。本アルゴリズムの要は、リアルタイムの環境状態やエラーメッセージを提供する閉ループフィードバックであり、これにより不一致が生じた際の計画の洗練が可能となります。アルゴリズムは人間の神経系から着想を得ており、脳と身体の構造を模倣して、計画を二つのLLMに階層的かつ構造的に分割しています。我々の手法は、VirtualHome環境内のベースラインを上回り、タスク指向の成功率が平均35％増加しただけでなく、実行スコア85％を記録し、人間レベルのベンチマークである94％に迫っています。さらに、現実のロボットシナリオにおけるアルゴリズムの有効性を、現実的な物理シミュレータとFranka Research 3 Armを用いて示しました。