LLM-based Robot Task Planning with Exceptional Handling for General Purpose Service Robots

本文提出了一种基于受限语言模型提示方案的任务规划方法，可以从命令中生成可执行的动作序列。同时，为了解决语言模型幻觉问题，提出了一个异常处理模块。该模块可以确保语言模型生成的结果在当前环境中是可接受的。我们在RoboCup@Home命令生成器生成的命令上评估了我们的方法，观察到机器人在理解指令和执行任务方面表现出色。虽然最近大型语言模型的训练取得了进展，但是这些模型生成的任务计划可能不准确地映射到可接受的行动，并可能包含各种语言歧义。

论文试图解决如何使用大型语言模型生成可执行的机器人任务计划的问题，并解决LLM幻觉问题。

论文提出了一种基于约束的LLM提示方案的任务规划方法，并提出了一种异常处理模块来处理LLM幻觉问题。

论文使用RoboCup@Home Command Generator生成指令进行评估，并展示了机器人在理解指令和执行任务方面的优异表现。

最近的相关研究包括使用深度学习生成任务规划、使用自然语言处理技术进行机器人任务规划等。