LaMMA-P: Generalizable Multi-Agent Long-Horizon Task Allocation and Planning with LM-Driven PDDL Planner
Created by
Haebom
Category
Empty
저자
Xiaopan Zhang, Hao Qin, Fuquan Wang, Yue Dong, Jiachen Li
개요
본 논문은 장기간에 걸친 작업, 특히 협업하는 이종 로봇 팀의 하위 작업 식별 및 할당 문제를 해결하기 위해, 언어 모델 기반 다중 에이전트 PDDL 플래너(LaMMA-P)를 제안한다. LaMMA-P는 언어 모델의 추론 능력과 기존 휴리스틱 검색 플래너의 장점을 통합하여 높은 성공률과 효율성을 달성하며, 작업 전반에 걸쳐 강력한 일반화 능력을 보여준다. 또한, AI2-THOR 환경을 기반으로 복잡성 수준이 두 가지인 가정용 작업을 특징으로 하는 종합적인 벤치마크 MAT-THOR를 제작하였다. 실험 결과, LaMMA-P는 기존 LM 기반 다중 에이전트 플래너보다 성공률이 105% 높고 효율성이 36% 높은 것으로 나타났다. 프로젝트 웹사이트(https://lamma-p.github.io)에서 실험 영상, 코드, 데이터 세트 및 각 모듈에서 사용된 자세한 프롬프트를 확인할 수 있다.
시사점, 한계점
•
시사점:
◦
언어 모델의 추론 능력과 기존의 휴리스틱 검색 플래너를 결합하여 장기간 작업 계획에서 높은 성공률과 효율성을 달성하였다.
◦
다양한 작업에 대한 강력한 일반화 성능을 보여주었다.
◦
가정용 작업을 위한 종합적인 벤치마크 MAT-THOR를 제공하였다.
◦
기존 LM 기반 다중 에이전트 플래너 대비 성능 향상을 실험적으로 입증하였다.
•
한계점:
◦
본 논문에서 제시된 MAT-THOR 벤치마크의 범위와 일반화 가능성에 대한 추가적인 검증이 필요하다.
◦
실제 로봇 시스템에서의 실험 결과가 제시되지 않아 실제 적용 가능성에 대한 추가적인 연구가 필요하다.
