SHRIMP：机器人任务计划的迭代细化

随着协作机器人进入制造、农业和医疗保健等领域，编程或调整机器人行为通常需要大多数最终用户缺乏的机器人专业知识。自然语言降低了这一障碍。 大语言模型 (LLM) 的最新进展使得将自然语言翻译成机器人任务计划成为可能。然而，基于语言的任务规范存在语义模糊性，并且生成模型对于语言指令如何成为机器人动作缺乏透明度，使得用户很难在执行之前验证计划。为了解决这些问题，我们引入了 SHRIMP，该系统允许用户使用自然语言自动生成分层机器人原始计划，并通过重新提示和显式更正迭代修改其计划。在每次修订中，SHRIMP 允许用户在模拟中验证他们的计划，一旦满意，就在物理机器人上执行它。通过一项涉及参与者规划桌面厨房任务 (n=35) 的用户研究，我们验证了 SHRIMP 改善了感知控制并增强了机器人透明度。系统视频和源代码可在 https://wisc-hci.github.io/SHRIMP 获取。