Generación de behavior trees mediante LLM para el control de un robot social

Resumen

Los árboles de comportamiento (Behavior Trees), utilizados como estructuras para controlar robots sociales, suelen ser diseñados manualmente por expertos y adaptados a situaciones específicas. Esta metodología limita la flexibilidad y la capacidad de personalización del comportamiento del robot en tiempo real, lo que dificulta su adaptación a contextos dinámicos y variados.

Este artículo presenta un sistema innovador para el control de robots sociales basado en la generación automática de árboles de comportamiento a partir de instrucciones en lenguaje natural. Utilizando un modelo de lenguaje grande (LLM), las instrucciones humanas son interpretadas y traducidas en una estructura jerárquica de acciones y decisiones, que el robot ejecuta para interactuar de forma coherente y natural con usuarios sin conocimientos técnicos avanzados. Esta propuesta reduce la necesidad de programación manual y favorece una mayor personalización y adaptabilidad en la interacción humano-robot. A modo de experimentación se exponen casos de uso donde el robot ejecuta tareas como desplazarse a una ubicación y reproducir un mensaje, o iniciar una videollamada al detectar que una persona ha caído, todo ello generado dinámicamente a partir de instrucciones simples en lenguaje natural.