SRLM: Human-in-Loop Interactive Social Robot Navigation with Large Language Model

本文是LLM系列文章，针对《SRLM: Human-in-Loop Interactive Social Robot Navigation with Large Language Model and Deep Reinforcement Learning》的翻译。

摘要

交互式社交机器人助手必须在复杂和拥挤的空间中提供服务，同时根据实时人类语言命令或反馈调整其行为。在本文中，我们提出了一种新的混合方法，称为社交机器人规划器（SRLM），它集成了大型语言模型（LLM）和深度强化学习（DRL），以在充满人的公共空间中导航并提供多种社会服务。SRLM实时从人在环命令中推断全局规划，并将社会信息编码到基于LLM的大型导航模型（LNM）中，用于低级运动执行。此外，设计了一个基于DRL的规划器来保持基准性能，该规划器通过大反馈模型（LFM）与LNM混合，以解决当前文本和LLM驱动的LNM的不稳定性。最后，SRLM在大量实验中表现出了卓越的性能。有关这项工作的更多详细信息，请访问：https://sites.google.com/view/navi-srlm。

1 引言

2 背景

3 前言

4 方法

5 实验和结果

6 结论</