Transformers是适应性任务计划
Transformers are Adaptable Task Planners
摘要：
每个家庭都是不同的，每个人都喜欢以自己的方式做事。因此，未来的家用机器人需要同时考虑日常任务的顺序性，并根据用户的偏好进行归纳。为此，我们提出了一个Transformer任务规划器（TTP），它通过利用基于对象属性的表示来从演示中学习高级操作。TTP可以在多个偏好上进行预训练，并在模拟洗碗机装载任务中使用单个演示作为提示来显示对看不见的偏好的泛化。此外，我们展示了现实世界的菜重排使用TTP与弗兰卡熊猫机械臂，提示使用一个单一的人类示范。
英文摘要：
Every home is different, and every person likes things done in their particular way. Therefore, home robots of the future need to both reason about the sequential nature of day-to-day tasks and generalize to user's preferences. To this end, we propose a Transformer Task Planner(TTP) that learns high-level actions from demonstrations by leveraging object attribute-based representations. TTP can be pre-trained on multiple preferences and shows generalization to unseen preferences using a single demonstration as a prompt in a simulated dishwasher loading task. Further, we demonstrate real-world dish rearrangement using TTP with a Franka Panda robotic arm, prompted using a single human demonstration.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
