PLANTOR: Pianificazione di compiti multi-robot guidata da LLM con basi di conoscenza spiegabili

Un nuovo framework chiamato PLANTOR è stato sviluppato dai ricercatori per utilizzare grandi modelli linguistici (LLM) per creare e implementare piani di compiti multi-robot basati su input in linguaggio naturale. Questo sistema costruisce una base di conoscenza Prolog strutturata, esegue controlli di coerenza per identificare e correggere errori, e genera piani simbolici di alto livello, che vengono poi raffinati in azioni robotiche specifiche e programmi ottimizzati che vengono trasformati in alberi comportamentali eseguibili. PLANTOR privilegia la trasparenza rivelando la base di conoscenza, i piani intermedi e i vincoli di pianificazione. È stato testato su scenari derivati dai benchmark Blocks World e Grippers utilizzando vari modelli linguistici, dimostrando sia la qualità della base di conoscenza che l'efficienza in termini di tempo di esecuzione. L'esecuzione end-to-end del framework è stata mostrata in un contesto reale di assemblaggio multi-braccio. Il documento di ricerca è accessibile su arXiv (2502.19135) ed è stato contrassegnato come versione rivista. Questo studio affronta l'integrazione dell'adattabilità degli LLM con il ragionamento simbolico per una pianificazione robotica efficace.