TESS: traduzione, esplorazione, simulazione e ricerca guidate dagli LLM per la pianificazione di compiti per agenti incarnati

Abstract degli autori

In questo lavoro ci concentriamo sulla pianificazione di compiti per agenti incarnati, che richiede a un agente di portare a termine un compito complesso scomponendolo in azioni elementari. Studi recenti hanno sviluppato metodi basati sugli LLM per affrontare questo problema. Tuttavia, in ambienti e compiti complessi, l’eseguibilità e la correttezza dei piani generati restano subottimali. D’altro canto, gli algoritmi di ricerca classici hanno il potenziale per risolvere perfettamente i problemi di pianificazione, ma richiedono ambienti completamente osservabili, transizioni di stato note e uno stato obiettivo noto: requisiti spesso impossibili da soddisfare nei domini generali di compiti. Proponiamo quindi un algoritmo di ricerca guidato dagli LLM, che rende la ricerca possibile ed efficiente sfruttando le loro conoscenze di senso comune. Il nostro metodo utilizza gli LLM per (1) tradurre istruzioni in linguaggio naturale in condizioni obiettivo formattate, (2) agevolare un’esplorazione efficiente in ambienti parzialmente osservabili, (3) realizzare un simulatore del mondo basato su regole e (4) sfoltire lo spazio delle azioni candidate per migliorare l’efficienza della ricerca. I risultati sperimentali su VirtualHome e ALFWorld ne dimostrano le prestazioni superiori.