如您所愿：精准农业中使用 LLM 进行正式验证的任务规划

尽管机器人系统现已商业化并部署在各个行业，但其中许多系统都是高度专业化的，通常需要高级技能来操作并确保它们按照指示执行。为了缓解这个问题，我们最近推出了一个任务规划器，利用 LLM 根据以自然语言提供的任务描述来综合精准农业中的任务计划。虽然该系统表现出令人印象深刻的性能，但它也受到自然语言固有的歧义的影响。在本文中，我们通过在规划架构中引入多个反馈循环来扩展我们的系统来解决这个问题，这些反馈循环利用线性时态逻辑（LTL）来确保任务规划系统满足用户制定的规范，同时仍然使用自然语言。为了减轻潜在的偏差，这是通过使用两个不同的商业 LLM 负责规范和验证子任务来实现的。通过大量的实验，我们强调了将任务验证集成到完全自主的管道中的优点和局限性，特别是关于 LLM 生成有价值的 LTL 公式的能力，并展示了我们提出的实现如何应对和解决这些挑战。