liruiw/GenSim
Generating Robotic Simulation Tasks via Large Language Models
解決的問題
GenSim 解決了手動建立多樣且複雜的機器人模擬任務的困難。它自動生成功能環境與專家目標，使研究人員能擴大可用於訓練與基準測試多任務機器人策略的任務多樣性。
工作原理
本專案使用大型語言模型（LLM）程式碼生成管道——特別是 GPT-4 與微調過的 Code-LLaMA——來撰寫模擬環境的實際程式碼。它採用多種提示策略來引導 LLM，包括自底向上的模板生成、自頂向下的任務生成，以及任務條件的思考鏈生成。這些生成的任務隨後整合至 CliPort 框架中，用於訓練與評估機器人代理。
適用對象
專為從事多任務策略訓練與具身智能研究的機器人研究人員與 AI 工程師設計，他們需要大量多樣化的模擬資料來訓練更穩健的代理。
主要亮點
- 自動化任務建立：使用 LLM 自動撰寫模擬程式碼並定義專家目標。
- 多樣化提示：支援多種生成模式，如自頂向下與思考鏈，以創造不同類型的任務。
- 模型彈性：相容 GPT-4，並支援對 Code-LLaMA 進行微調，以實現特定任務生成。
- 策略基準測試：包含超過 100 個生成的任務，可作為多任務策略訓練的基準。
相關
- 專案
- 專案
- 專案
- 專案
- 專案