复杂行为规划的生成部分指定有限状态机方法

在动态环境中运行的自主机器人需要结合反应性、可解释性和适应性的行为规划系统。虽然 大语言模型 已成功与行为树集成以进行动态重新规划，但有限状态机尽管广泛采用且计算效率高，但仍未针对生成方法进行探索。我们提出了一种生成部分指定有限状态机（GPSFSM）神经符号架构，它利用 FSM 的符号和语义结构（包括状态和事件触发的转换）来实现行为规划。本文介绍了第一个机器人 GPSFSM 框架，以 Fabric 为特色，Fabric 是一种 FSM 引擎，可解析、验证和执行包含顺序、恢复、并行任意和并行所有控制结构的行为计划。我们使用异步事件系统扩展了 ROS2 中的功能包，用于行为链和运行时参数注入以实现可配置执行，解决限制当前生成系统的临时函数表示。 PromptTools 为本地和云端 LLM 提供统一的 ROS 2 接口，具有提示缓冲功能，可实现任务和上下文信息的动态异步组合。这些组件共同为与机器人无关的开发提供标准化的语义功能描述。对导航任务的实验评估表明，我们的 GPSFSM 方法比最先进的 BTGenBot 系统始终实现更高的计划生成成功率，特别是在 BT 通常陷入困境的零样本场景中表现出色，同时保持与前沿 LLM 相当或更低的计划延迟。我们还证明我们的系统可以产生复杂的行为。我们发布了一个开源 ROS2 堆栈，使机器人系统的生成式 FSM 规划变得实用且可重复。