SHRIMP：机器人任务计划的迭代式改进
威斯康星大学麦迪逊分校人机交互团队提出 SHRIMP 系统，用自然语言自动生成分层机器人基元任务计划，并支持用户通过重新提示和显式纠正迭代修订。每次修订后，用户可在仿真中验证计划，确认后再在物理机器人上执行。研究招募 35 名参与者完成桌面厨房任务规划，结果显示 SHRIMP 提升了用户的感知控制感与机器人透明度。系统视频与源代码已公开。
发布于 10-27 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《SHRIMP: Iterative Refinement of Robot Task Plans》查看原链
arXiv:2608.08884v2 公告类型：替换 摘要：随着协作机器人进入制造业、农业和医疗等领域，对机器人行为进行编程或调整通常需要大多数终端用户所不具备的机器人专业知识。 自然语言降低了这一门槛。 大语言模型（LLM）的最新进展使得将自然语言转换为机器人任务计划成为可能。
然而，基于语言的任务指定存在语义歧义，且生成模型对语言指令如何转化为机器人动作缺乏透明度，导致用户难以在执行前验证计划。 为解决这些问题，我们提出 SHRIMP，一个允许用户使用自然语言自动生成分层机器人基元计划，并通过重新提示和显式纠正来迭代修订计划的系统。
在每次修订时，SHRIMP 允许用户在仿真中验证计划，满意后在物理机器人上执行。 通过一项涉及参与者规划桌面厨房任务的用户研究（n=35），我们验证了 SHRIMP 能提升感知控制感并增强机器人透明度。 系统视频和源代码见 https://wisc-hci.github.io/SHRIMP。