چارچوبی برای ساخت خودکار سیاست‌های رباتیک با کمک مدل‌های زبانی

پیش‌چاپی در arXiv چارچوبی به نام ARPG را برای تولید خودکار سیاست‌های اجرایی ربات از توضیح‌های متنیِ وظایف معرفی می‌کند. در این رویکرد، مدل‌های زبانی بزرگ پیش از استقرار ربات، خط لولهٔ یادگیری تقویتی را طراحی می‌کنند؛ از جمله صورت‌بندی فرایند تصمیم‌گیری مارکوف (MDP) و پیاده‌سازی شبیه‌ساز. بنابراین، مدل زبانی در زمان اجرای وظیفه تصمیم‌گیرنده نیست، بلکه نقش طراح را دارد.

به‌گفتهٔ نویسندگان، صورت‌بندی MDP به اجزای وابسته و ترتیبی نیاز دارد، اما پس از تثبیت این صورت‌بندی، پیاده‌سازی شبیه‌ساز را می‌توان به بخش‌های ماژولار تقسیم کرد. ARPG بر همین تفاوت تکیه می‌کند و مدل‌سازی ترتیبی MDP، راستی‌آزمایی و اصلاح موضعی را در فرایند طراحی به کار می‌گیرد. چکیدهٔ در دسترس، جزئیات بیشتری دربارهٔ نتایج ارزیابی این چارچوب ارائه نمی‌کند.