EvoPlan：具有时空保证的进化神经符号机器人规划

基于 LLM 的机器人规划器很流畅，但不能保证其计划可执行或安全。经典的 PDDL 规划器可以保证这些属性，但只有在问题完全指定之后才能保证，并且它们很少利用 LLM 读取上下文和修复计划的能力。本文提出了一个由三部分组成的神经符号框架。所有 LLM 调用都使用本地托管的开放权重模型，因此管道可以部署在机器人上，而不依赖于云。首先，离线程序从演示数据中挖掘对移动性的单个全局信号时间逻辑（STL）约束。该程序根据演示编码的内容恢复编码规则（例如，红灯停车，从 nuPlan 驾驶日志中挖掘）或人群偏好（例如，社交导航舒适度，从 SCAND 远程操作中挖掘）。由于演示是一类信号，因此我们通过反事实扰动和 LLM 违规生成器生成缺失的负例，然后通过进化搜索来拟合约束。我们使用挖掘的约束来屏蔽 Bench2Drive 上的视觉语言驱动策略和 HA-VLN-CE 上的两个离散操作导航策略。其次，进化的 PDDL 规划器：LLM 提出并修复计划，编程验证器决定哪些计划可以生存，计划的已验证部分会随着迭代而增长。我们在开放世界的 ALFWorld Text 基准测试中测试了规划器，它击败了强大的基线，并在目标词汇与动作模型词汇不匹配时保持稳健。第三，受约束的执行循环：规划器的计划被编译为路点，根据挖掘的约束检查路点，并且规划器针对违规情况重新规划。我们通过使用 Gazebo 模拟器进行演示来说明完整的流程。