यह शोधपत्र आपदा राहत स्थितियों में मानव-रोबोट अंतःक्रिया (HRI) के लिए बड़े पैमाने के भाषा मॉडल (LLM) की भौतिक तर्क क्षमताओं का लाभ उठाने की क्षमता प्रस्तुत करता है। मौजूदा बड़े LLM की आकार संबंधी सीमाओं को दूर करने के लिए, हम एक फील्ड रीजनिंग और इंस्ट्रक्शन डिकोडिंग एजेंट (FRIDA) मॉडल बनाने हेतु एक डेटासेट और पाइपलाइन प्रस्तावित करते हैं। क्षेत्र विशेषज्ञों और भाषाविदों के ज्ञान को मिलाकर, हम उच्च-गुणवत्ता वाले, कम-शॉट प्रॉम्प्ट उत्पन्न करते हैं, जिनका उपयोग सिंथेटिक डेटा का उपयोग करके एक छोटे, निर्देश-संयोजित मॉडल को परिष्कृत करने के लिए किया जाता है। हम प्रयोगात्मक रूप से प्रदर्शित करते हैं कि केवल वस्तु की भौतिक स्थिति और विशेषता डेटा पर प्रशिक्षित एक FRIDA मॉडल, पूरी तरह से सिंथेटिक डेटा और बेसलाइन मॉडल पर प्रशिक्षित मॉडलों से बेहतर प्रदर्शन करता है, जिससे न्यूनतम डेटा के साथ भौतिक सामान्य ज्ञान को स्थापित करने की क्षमता प्रदर्शित होती है।
