arXiv · cs.RO官方发布· Huao Li, Carson Sobolewski, Augustinos Saravanos, William Tan, John Karigiannis, Chuchu Fan·· 2 小时前精选AI 评分72
论文 / 摘要阅读
Bayesian Active Learning 用于交互式机器人规划中的意图消歧
Bayesian Active Learning for Intent Disambiguation in Interactive Robot Planning
AI 导读 · 根据来源整理
研究提出一个贝叶斯框架，把交互式机器人规划中的澄清过程视为对已接地的 Signal Temporal Logic（STL）任务规范的主动学习问题。方法用 LLM 初始化候选形式化规范并把有信息量的对比转成自然语言澄清问题，同时用贝叶斯优化维护对用户意图的不确定性估计、选择信息增益最大的查询；收敛后把推断出的 STL 规范交给形式化规划器合成可验证的机器人轨迹。在四个仿真与真实任务域中，该方法总体取得更高任务满足度、所需澄清轮次少于 LLM 基线，并帮助较小模型缩小与更大推理模型的差距。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org