每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

提炼设备上的语言模型，以最少的人工干预进行机器人规划

Created by
  • Haebom

作者

扎卡里·拉维钱德兰、伊格纳西奥·胡尼、费尔南多·克拉德拉、亚历杭德罗·里贝罗、乔治·J·帕帕斯、维杰·库马尔

大纲

本文提出了 PRISM，这是一个在机器人上嵌入小规模语言模型 (SLM) 的框架，旨在解决在通信不稳定的环境中应用大规模语言模型 (LLM) 的挑战。PRISM 利用现有的基于 LLM 的规划器自动合成各种任务和环境，从 LLM 中提取规划，并基于生成的合成数据训练 SLM。PRISM 将 Llama-3.2-3B 的性能提升至 GPT-4o 的 93%，展现了在各种机器人平台和环境中的泛化能力。

Takeaways，Limitations

•
Takeaways：
◦
PRISM 支持在设备上实现利用 LLM 的机器人规划器，从而增强其在通信受限环境中的可用性。
◦
PRISM 克服了收集真实数据的困难，并通过使用合成数据训练 SLM 实现了高效学习。
◦
PRISM 展示了其在各种机器人平台和环境中的通用性。
•
Limitations：
◦
PRISM 的性能取决于基于 LLM 的规划器的性能，而 SLM 的性能也可能受到 LLM 性能的限制。
◦
PRISM生成的合成数据的质量会影响SLM的性能，需要研究合成数据的质量控制方法。
◦
需要进一步验证 PRISM 对现实环境中机器人行为的影响。
👍
Made with Slashpage