arXiv · cs.RO· Kristian Ceder·· 21 小时前精选AI 评分70
Teaching a Tree to Recover: 在线蒸馏LLM监督者与反事实重放
Teaching a Tree to Recover: Online Distillation of an LLM Supervisor with Counterfactual Replay
AI 导读
本文提出了一种在线蒸馏方法，将大型语言模型(LLM)监督者转化为决策树，用于自主移动机器人的异常情况处理。在20个未见布局的测试中，决策树能正确处理至少18个场景，无需在测试时查询LLM。该方法通过反事实重放标记恢复操作，淘汰无用规则，使LLM仅在新情况下提供决策，成为监督者的设计者而非仅运行时监督者。
推荐理由
通过在线蒸馏将LLM监督者转化为决策树，解决了机器人复杂环境中的决策效率问题。
来源：arXiv · cs.RO · arxiv.org