大型语言模型在自主机器人规划和推理的认知架构中的集成.pdfVIP

大型语言模型在自主机器人规划和推理的认知架构中的集成

MiguelÁ.González-Santamarta,IreneGonzález-Fernández,FranciscoJ.Rodríguez-Lera,

ÁngelManuelGuerrero-Higueras,andVicenteMatellán-Olivera

Abstract—符号推理系统已被用于认知架构中，以提供推步骤推理。诸如[13]等研究最近通过在提示中添加指

理和规划能力。然而，定义领域和问题已被证明是困难且容易令让我们一步一步地考虑这个问题的大型语言模型实

出错的。此外，大型语言模型（LLMs）已作为处理不同任务

现了此类任务的显著性能，这些模型具备零样本推理

自然语言的工具出现。在本文中，我们提出使用LLMs来解决

这些问题。因此，本文提出了将LLMs集成到ROS2整合的能力。

认知架构MERLIN2中的提议，用于自主机器人。具体来说，自主机器人行为生成仍然是一个面临不同范式开

我们介绍了如何利用LLMs的推理能力，在MERLIN2的审放性问题。其中，我们可以找到使用规划方法的审慎

慎过程中进行设计、开发和部署。结果，审慎系统从一个基于

本PDDL的规划器系统更新为自然语言规划系统。该提案通过定架构[14]、替代架构[15]和反应式架构[16]。这些范

译量和定性方法进行了评估，测量了将LLMs整合到认知架构中式的结合产生了混合架构[17]，这对机器人社区产生

的影响。结果显示，经典方法实现了更好的性能，但所提出的了重大影响。

中解决方案提供了通过自然语言增强的交互。我们的提议集中在推理并展示在现有认知架构中

3整合大语言模型的过程。所提出的方案旨在通过基于

vI.介绍

5大语言模型的方法来更新当前的审慎模块，该模块原

4符号推理系统长期以来一直作为机器人认知架构本是基于符号规划器构建的。因此，本文分析了在

9

4中的重要组成部分，提供了推断和规划的能力。然而，MERLIN2[18],[19]认知架构中使用[20],[21]中的

1

.符号系统依赖于预定义的规则，导致复杂性和适应性llama_ros的情况。它允许在机器人系统内部使用离

9

0方面的困难。相比之下，大型语言模型（LLMs）的出线大语言模型。因此，提出将其作为基于PDDL表达

3现为各种任务中的自然语言处理开辟了新的途径。这的符号知识的经典审慎模型的替代方案。最后，论文

2

:些模型通过在解决问题的情境中应用[1],[2],[3],[4],还描述了对其对整个决策系统的效应和影响进行的定

v

i[5]，利用丰富的文本资源有效解决复杂问题，提供了量和定性审查。

x

r多样化的信息和指导。贡献：本研究的主要贡献在于将大型语言模型作

a

因此，在机器人技术中使用大语言模型可以带来为认知架构内的推理系统进行情境化和评估。

多种优势和能力。它们已被用于自然语言交互[6],[7]，在机器人学中，推理[22]是机器人逻辑和系统地

使机器人能够理解和生成人类语言，从而使用户更容处理其知识的能力。存在几种类型的推理[23]，例如，

易通过自然语言与机器人进行交流和控制。它还简化实用推理或规划，以寻找并执行下一个最佳行动；以

了知识检索[8],[9],[10]，因为大语言模型拥有庞大的及理论推理，旨在建立或评估信念。本文所面临的推