Bài báo này trình bày một phương pháp lập kế hoạch tác vụ và hành động (TAMP) hiệu quả để thực hiện các tác vụ thao tác phức tạp trong môi trường động. Các phương pháp TAMP hiện có dựa trên LLM có những hạn chế ở chỗ chúng là các nhắc nhở tĩnh và dựa trên mẫu, điều này hạn chế khả năng thích ứng của chúng với môi trường động và bối cảnh tác vụ phức tạp. Để giải quyết vấn đề này, chúng tôi đề xuất khuôn khổ Onto-LLM-TAMP, cải thiện và mở rộng các nhắc nhở của người dùng với suy luận ngữ cảnh tác vụ và mô tả trạng thái môi trường dựa trên kiến thức bằng cách tận dụng lý luận dựa trên kiến thức. Bằng cách kết hợp kiến thức chuyên ngành vào các nhắc nhở, chúng tôi đảm bảo các kế hoạch tác vụ chính xác về mặt ngữ nghĩa và nhận biết ngữ cảnh. Thông qua các mô phỏng và tình huống thực tế, chúng tôi chứng minh những cải tiến đáng kể so với các phương pháp hiện có về khả năng thích ứng với môi trường động và tạo kế hoạch tác vụ chính xác về mặt ngữ nghĩa. Đặc biệt, chúng tôi chứng minh rằng nó hiệu quả trong việc giải quyết các lỗi ngữ nghĩa trong quá trình tạo kế hoạch biểu tượng, chẳng hạn như duy trì thứ tự mục tiêu thời gian logic trong các tình huống sắp xếp đối tượng theo thứ bậc.
