Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation
· 약 3분
논문 정보
- 제목: Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation
- 저자: Jonathan Styrud, Matteo Iovino, Mikael Norrlöf, Mårten Björkman, Christian Smith
- 학회/저널: ICRA 2025 (IEEE International Conference on Robotics and Automation)
- 발행일: 2024-09-20 (arXiv), 2025 (ICRA)
- DOI: 10.48550/arXiv.2409.13356
- 주요 연구 내용: LLM을 활용하여 로봇 조작 작업 중 계획 및 실행 단계에서 발생하는 오류를 자동으로 해결하고, 행동 트리(BT) 정책을 동적으로 확장·구성하는 BETR-XP-LLM 방법론 제안
- 주요 결과 및 결론: 다양한 작업과 실패 상황에서 BT를 자동으로 확장하여 문제를 해결하고, 향후 유사한 문제에 대응할 수 있도록 정책을 영구적으로 업데이트
- 기여점: BT의 투명성과 가독성을 유지하면서 LLM 호출을 최소화하고, 자동 정책 업데이트를 통해 로봇 시스템의 견고성과 성공률을 향상