本文介绍了一种名为 LLM-BRAIn 的自主机器人控制的新方法，它可以根据操作员的命令生成机器人行为。LLM-BRAIn 是一种基于 Transformer 的大型语言模型 (LLM)，它从 Stanford Alpaca 7B 模型进行微调，以根据文本描述生成机器人行为树 (BT)。我们在 8,5k 指令跟随演示上训练 LLM-BRAIn，这些演示是使用 text-davinchi-003 以自我指导的方式生成的。开发的模型准确地构建了复杂的机器人行为，同时保持足够小以在机器人的机载微型计算机上运行。该模型给出了结构和逻辑正确的 BT，并且可以成功地管理训练集中没有出现的指令。实验没有揭示 LLM-BRAIn 生成的 BT 与人类创建的 BT 之间存在任何显着的主观差异（平均而言，参与者能够正确地区分 LLM-BRAIn 生成的 BT 和人类创建的 BT，在 10 个案例中只有 4.53 个，表明他们的表现接近于随机机会）。所提出的方法可能适用于移动机器人、无人机操作、机器人操纵器系统和工业 4.0。



"点击查看英文标题和摘要"