CLUE robotu omogućava da aktivno razjasni neodređen zadatak iz prirodnog jezika
Novi pristup ne pretpostavlja da robot unapred zna sve relevantne činjenice, već sekvencijalno proverava hipoteze kroz interakciju sa okruženjem i menja plan dok prikuplja nove informacije.
Kada zahtev nije dovoljno precizan
Autori ističu da mnoge language-conditioned robotske politike pretpostavljaju dobro definisan cilj i unapred dostupnu mapu sa svim relevantnim informacijama.
CLUE umesto toga sekvencijalno procenjuje hipoteze kroz closed-loop interakciju sa okruženjem i koriguje plan kako dolaze nove informacije.
Test na Boston Dynamics Spot-u
Sistem je testiran na Boston Dynamics Spot robotu u tri stvarna unutrašnja i spoljašnja okruženja kroz 15 zadataka koji zahtevaju razdvajanje objekata, funkcionalno zaključivanje i reasoning pod zaklonjenošću.
Eksperimenti pokazuju da samo izgradnja i kasnije query-jevanje jezički obogaćene mape nije dovoljno za složene kontekstualne planske zadatke.
Poređeni pristupi imali su približno trećinu uspeha CLUE sistema uz više od deset puta veću potrošnju VLM tokena.
Izvori
Prikazani su izvorni linkovi korišćeni za proveru objavljenih činjenica.