TIGER：通用机器人指令执行的任务规划框架

《IEEE Access》：TIGER: Task planning framework for Instruction following of GEneralized Robots

　　

摘要：

服务机器人需要具备遵循指令的能力，以便在环境变化的情况下执行各种任务。因此，即使人类指令含糊不清，任务规划器也必须准确推断用户的意图。此外，当初始计划因不可预测的环境状态而失效时，规划器应修改其低级策略并相应地更新目标对象。为此，我们开发了TIGER，这是一种新的任务规划器，它通过从指令中推导出不可变的子目标来生成高度可靠的行动序列。它还通过正确选择符合用户意图的对象来提高行动质量。此外，还提出了一种任务代表性的单次策略来改进子目标的生成。尽管TIGER用于子目标生成的示例数量比之前的上下文学习模型少十倍，但它显著提高了高级规划的性能。具体来说，在ALFRED基准测试中，TIGER的表现优于之前的LLM-Planner，在已见过的数据集上的成功率从15.09%提高到了35.06%，在未见过的数据集上的成功率从19.73%提高到了42.57%。TIGER甚至在没有预先了解环境的情况下，也能在多房间布局且杂乱的场景中成功执行含糊的指令。此外，其可扩展性已在实际实验中得到验证。