Lernen, über Szenengraphen zu schlussfolgern: Eine Fallstudie zur Feinabstimmung von GPT-2 in ein Robotersprachenmodell für grundierte Aufgabenplanung

Langfristige Aufgabenplanung ist entscheidend für die Entwicklung intelligenter Hilfs- und Serviceroboter. In dieser Arbeit untersuchen wir die Anwendbarkeit einer kleineren Klasse von großen Sprachmodellen (LLMs), speziell GPT-2, in der robotischen Aufgabenplanung, indem wir lernen, Aufgaben in Teilziel-Spezifikationen zu zerlegen, die von einem Planer sequenziell ausgeführt werden können. Unsere Methode verankert die Eingabe des LLM im Bereich, der als Szenengraph dargestellt wird, was es ermöglicht, menschliche Anfragen in ausführbare Roboterpläne zu übersetzen, und dabei zu lernen, über langfristige Aufgaben zu schlussfolgern, wie sie im ALFRED-Benchmark vorkommen. Wir vergleichen unseren Ansatz mit klassischer Planung und Basislinienmethoden, um die Anwendbarkeit und Generalisierbarkeit von LLM-basierten Planern zu untersuchen. Unsere Ergebnisse deuten darauf hin, dass das in einem LLM gespeicherte Wissen effektiv verankert werden kann, um langfristige Aufgabenplanung durchzuführen, und zeigen das vielversprechende Potenzial für die zukünftige Anwendung neuro-symbolischer Planungsmethoden in der Robotik.