LLM-State：开放世界长期规划的可扩展状态表示

本研究通过使用大规模语言模型（LLM）来解决开放式家庭环境中长期任务规划的问题。我们提出了一种新颖的可扩展状态表示方法，利用 LLM 的上下文理解和历史行为推理能力来持续扩展和更新对象属性。我们的模型在模拟和现实世界的任务规划场景中验证，表明在需要长期跟踪和推理状态的各种任务中，与基准方法相比取得了显著的改进。

本研究使用大规模语言模型（LLM）解决开放式家庭环境中长期任务规划的问题，通过新颖的状态表示方法和LLM的能力，在模拟和现实世界的任务规划场景中取得了显著的改进。