체화 지능을 위한 이벤트 구조된 작업 계획: X-Planner

체화 지능의 중간 구조를 명확히 하기 위해 task planning을 개발하는 연구는 최근에 큰 관심을 받고 있습니다. 연구에서는 existing chain-of-thought (CoT) planner의 문제점을 해결하기 위해 event-structured plan forms를 제안하고, real-robot experiments에서 우수한 성능을 보입니다.

연구의 목적과 방법

연구의 목적은 체화 지능의 중간 구조를 명확히 하기 위해 task planning을 개발하는 것입니다. 연구에서는 existing CoT planner의 문제점을 해결하기 위해 event-structured plan forms를 제안합니다. event-structured plan forms는 discrete interface와 latent interface로 구성되며, discrete interface는 interpretable event states를 emit하고, latent interface는 continuous CoT states를 relay합니다.

모델 아키텍처

연구에서는 shared Vision-Language-Model (VLM) backbone을 사용합니다. VLM backbone은 two event-structured plan forms를 노출하며, discrete interface는 interpretable event states를 emit하고, latent interface는 continuous CoT states를 relay합니다. Staircase Decoding을 사용하여 staggered Transformer depths를 구현합니다.

실험 결과

연구에서는 offline two-step planning evaluation을 수행하였으며, BERTScore-F1과 judge-based Overall score에서 두 번째로 우수한 성능을 보였습니다. real-robot experiments에서는 evaluated baselines를 상회하는 성능을 보였습니다.

결론

연구에서는 existing CoT planner의 문제점을 해결하기 위해 event-structured plan forms를 제안하였으며, real-robot experiments에서 우수한 성능을 보입니다. 연구 결과는 planning-text quality와 downstream execution에 대한 중요한 정보를 제공합니다.