从人类指令生成行为树的意图理解与最优行为规划的整合
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了一个两阶段框架来生成行为树（BT），首先使用大型语言模型（LLMs）从高层指示中解释目标，然后通过最优行为树扩展算法（OBTEA）构建高效的目标特定行为树，在服务机器人中的实验证实了 LLMs 在产生语法正确和准确解释目标方面的熟练程度，证明了 OBTEA 在各项指标上相对于基线 BT 扩展算法的优越性，并最终确认了我们框架的实际部署能力。
本研究提出了一个两阶段框架来生成行为树，使用大型语言模型解释目标，通过最优行为树扩展算法构建高效的目标特定行为树。实验证实了语言模型在解释目标方面的熟练程度，证明了扩展算法相对于基线算法的优越性，并确认了框架的实际部署能力。
