arXiv · cs.AI · Huao Li, Carson Sobolewski, Augustinos Saravanos, William Tan, John Karigiannis, Chuchu Fan · 5 小时前模型评分35
贝叶斯主动学习框架：让机器人通过追问消除指令歧义
Bayesian Active Learning for Intent Disambiguation in Interactive Robot Planning
导读
研究者提出一种贝叶斯框架，把机器人澄清人类模糊指令的过程当作主动学习问题，用大语言模型（LLM，Large Language Model）生成候选形式化规范并转成自然语言追问，再由贝叶斯优化挑选信息增益最大的问题。在四个仿真与真实任务中，该方法任务完成度更高、追问轮数更少，还能帮较小模型缩小与大型推理模型的差距。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose a Bayesian framework that treats clarification as an active learning problem over grounded Signal Temporal Logic (STL) task specifications.”
来源：arXiv · cs.AI · arxiv.org