LLMs con razonamiento para tareas asistivas en entornos domésticos

Resumen

Los planificadores de tarea robóticos basados en modelos grandes de lenguaje (LLMs) presentan sólidos resultados como planificadores de tarea generalistas. SayPlan combina LLMs pre-entrenados con escenas de grafo tridimensionales para abordar limitaciones en horizontes de planificación y complejidad del entorno. Sin embargo, la implementación del artículo original usa costosas APIs de LLM, y limita los experimentos a entornos extensos pero simples, no aptos para robots asistenciales domésticos que requieren un uso constante con docenas de objetos por habitación. En este artículo, presentamos mejoras al enfoque de SayPlan para evaluar su aptitud en aplicaciones domésticas de bajo coste. Introducimos una arquitectura modular para evaluar dichas mejoras mediante una serie de estudios de ablación.