跳到正文
arXiv · 机器人与计算机视觉· Michelle Ho, Maximilian Adang, Zachary Booth, David E. Astle, Margaret Hansen, Edward Balaban, Mykel J. Kochenderfer·· 8 天前AI 评分38

LLM 可解释性助力月球车在不确定性下规划轨迹

Large Language Model Explainability for Planning Lunar Rover Trajectories under Uncertainty

AI 导读

针对行星漫游器轨迹规划中难以追溯科学目标的问题,研究提出一种基于大语言模型的交互式助手。该系统结合 NASA VIPER 任务启发的仿真器与 ReAct 接口,在查询库测试中回复忠实度达 90.9%,较无工具访问的零样本提示提升近 65%。实验表明该架构能利用领域词汇解释规划结果并对比替代方案,为不确定性感知路径提供可信的可解释性验证。

来源:arXiv · 机器人与计算机视觉 · arxiv.org