SLoSa：面向机器人任务规划的小型、低功耗、安全基础模型
研究提出 SLoSa 神经-符号压缩与微调框架，用经典规划器、教师 LLM 和形式化验证器构建安全感知数据集，再经监督微调与验证奖励机引导的强化学习训练小型机器人任务规划器。在四个 PDDL 领域上，4B-14B 模型成功率提升至 70.5-76.0%；INT4 部署于 Jetson Orin 平均功耗 17.85-26.41 W。家庭仿真环境与桌面机械臂实验验证了适用性。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《SLoSa: Small, Low-Power, and Safe Foundation Models for Robotic Task Planning》查看原链
安全机器人任务规划要求规划器能够在满足安全约束的同时可靠地实现任务目标。 经典规划器在显式的符号任务表示上进行搜索，能够针对已编码的安全约束提供形式化保证，但要求严格的输入格式，其计算成本也会随搜索空间迅速增长。 相比之下，大语言模型（LLM）提供灵活的任务接口和强大的泛化能力，但模型体积大、功耗高，且预训练时几乎未包含机器人特有的安全数据与知识，因此难以在资源受限的机器人系统上本地部署。
为解决这些局限，我们提出 SLoSa，一个神经-符号压缩与微调框架，用于训练基于基础模型的机器人任务规划器，使其具备小体积、低功耗和安全意识。 该框架首先利用经典规划器、先进的教师 LLM 和形式化验证器构建安全感知数据集，随后进行两个训练阶段：监督微调，以及由基于验证的奖励机引导的强化学习（RL）微调，以强化安全对齐。
我们在四个规划领域定义语言（PDDL）领域、两个家庭仿真环境、本地边缘平台和一台桌面机械臂上评估 SLoSa。 在 PDDL 任务中，验证器引导的后训练将 4B-14B 紧凑规划器的成功率提升至 70.5-76.0%，而在 Jetson Orin 上进行 INT4 部署时平均功耗为 17.85-26.41 W。
家庭仿真器和实体机器人上的结果进一步表明 SLoSa 适用于多种机器人任务场景。