计算机科学 > 机器人技术
[提交于 2024年10月31日
]
标题: PARTNR:具身多智能体任务中规划与推理的基准
标题: PARTNR: A Benchmark for Planning and Reasoning in Embodied Multi-agent Tasks
摘要: 我们提出了一个用于人机协作(humaN-Robot collaboration)的规划与推理任务基准测试集 PARTNR,旨在研究家庭活动中的机器人-人类协调。 PARTNR 任务展示了日常任务的特性,例如空间、时间以及异构代理能力的限制。 我们采用使用大型语言模型(LLMs)的半自动化任务生成管道,并结合模拟以实现接地和验证。 PARTNR 是同类中最大的基准测试集,包含 100,000 个自然语言任务,覆盖 60 个房屋和 5,819 个独特对象。 我们在 PARTNR 任务上分析了最先进的 LLMs 在规划、感知和技能执行方面的表现。 分析揭示了最先进的模型存在显著局限性,例如协作能力差以及在任务跟踪和从错误中恢复方面的问题。 当 LLMs 与真实人类配对时,它们需要比两个人类协作多 1.5 倍的步骤,比单个人类多 1.1 倍的步骤,这突显了这些模型改进的空间。 我们进一步表明,用规划数据微调较小的 LLMs 可以实现与大 9 倍的模型相当的性能,同时在推理速度上快 8.6 倍。 总体而言, PARTNR 强调了协作具身代理所面临的重大挑战,并旨在推动这一方向的研究。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.