Optimizing Small-Scale Language Models for Robotic Task Planning: Insights into Prompt Design
Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Large-scale language models (LLMs) have demonstrated significant potential in robotic task planning, however, their resource-intensive nature poses challenges for on-device deployment in resource-constrained environments, such as autonomous robots. In this paper, we explore the feasibility of utilizing Small-Scale Language Models(SSLMs) for robotic task planning, focusing on the vital roles of prompt design. Through extensive experimentation, we discovered that prompt strategies effective in LLMs are often unsuitable for smaller models. To address this, we developed a set of methods tailored for SSLMs, which include simplifying prompts, decomposing complex tasks, and managing contextual information effectively with reasonable explanations. Our results show that with these prompt design optimizations, SSLMs can perform competitively, providing efficient and reliable task-planning capabilities while operating within the limited computational resources available for robot task planning. This work provides valuable insights and practical guidance for deploying SSLMs in real-world robotic applications.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Optimizing Small-Scale Language Models for Robotic Task Planning: Insights into Prompt Design
- Date Crossref
- 28/03/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Beijing University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Beijing International Studies University pays non établi dans la noticeUniversité ou école supérieure
-
Intel (United States) pays non établi dans la noticeEntreprise
-
Kunming University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Beijing Information Science & Technology University pays non établi dans la noticeUniversité ou école supérieure
Beijing University of Technology, Beijing International Studies University et Intel (United States), avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.