arXiv · 机器人与计算机视觉· Hong Lu, Pierrick Lorang, Timothy R. Duggan, Jivko Sinapov, Matthias Scheutz·· 2026-10-05AI 评分72
通过混合大语言模型与符号规划及 LLM 引导强化学习实现新颖性适应
Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning
AI 导读
针对动态开放世界中自主智能体因缺乏操作符而无法应对新物体的问题,本文提出一种神经符号架构,整合符号规划、强化学习与大语言模型(LLM)。该方法利用 LLM 的常识推理能力识别缺失的操作符,由符号 AI 规划器生成计划,并编写奖励函数引导强化学习智能体学习控制策略。研究在连续机器人操作任务中表现优于现有最先进方法。材料为预印本论文,已接受于 IEEE/RSJ IROS 2026。
来源:arXiv · 机器人与计算机视觉 · arxiv.org