Key points are not available for this paper at this time.
작업 계획에는 로봇이 행동해야 하는 세계에 대한 수많은 도메인 지식을 정의해야 할 수 있습니다. 이러한 노력을 완화하기 위해 대형 언어 모델(LLM)을 사용하여 작업 계획 중 잠재적인 다음 행동을 평가하고, 추가 도메인 정보 없이 자연어로 제공된 지침에 따라 직접 행동 시퀀스를 생성할 수도 있습니다. 그러나 이러한 방법은 모두 가능한 다음 단계를 열거하여 평가해야 하거나, 주어진 로봇의 현재 맥락에서 수행할 수 없는 행동을 포함할 수 있는 자유 형식의 텍스트를 생성합니다. 우리는 특정 환경, 로봇 능력 및 작업에서 기능적으로 계획 생성을 가능하게 하는 프로그램 방식의 LLM 프롬프트 구조를 제시합니다. 우리의 주요 통찰력은 LLM에 환경 내에서 사용할 수 있는 행동과 객체에 대한 프로그램과 같은 사양 및 실행 가능한 예제 프로그램으로 프롬프트하는 것입니다. 우리는 제거 실험을 통해 프롬프트 구조 및 생성 제약에 대한 구체적인 권장 사항을 제시하고, VirtualHome 주택 작업에서 최첨단 성공률을 입증하며, 테이블탑 작업을 위한 물리적 로봇 팔에 우리 방법을 배포합니다. 웹사이트: progprompt.github.io
Singh et al. (Mon,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: