机器人也能多任务处理：整合记忆架构和 LLM 进行增强的跨任务机器人行为生成
原文中文，约400字，阅读约需1分钟。发表于：。在本文中，我们通过利用大型语言模型（LLMs）的常识推理与机器人的感知和物理能力相结合，解决了将记忆过程与 LLMs 结合以生成交叉任务机器人动作的问题，从而使机器人在任务之间有效地切换；我们提出的双层架构采用两个 LLMs，利用它们的推理和遵循指令的互补技能，结合受人类认知启发的记忆模型；我们的结果显示，在五个基线机器人任务上的性能显著提高，证明了将记忆与 LLMs...
本文介绍了一种利用大型语言模型和机器人感知和物理能力相结合的方法，解决了将记忆过程与语言模型结合以生成机器人动作的问题。通过双层架构和受人类认知启发的记忆模型，机器人在任务之间能够有效切换，并在五个基线机器人任务上表现出显著提高的性能。这证明了将记忆与语言模型集成以适应任务执行的潜力。
