大型语言模型(LLM) 可以执行任务，例如根据提示生成长文本、回答问题，甚至就广泛的主题进行对话。这些知识可用于扩大机器人可以计划和执行的任务集。
因此，最近发表在 arXiv.org 上的一篇论文研究了如何提取 LLM 中的知识以使机器人等具身代理能够遵循高级文本指令的问题。
研究人员的目标是让 LLM 了解可用且可行的技能库，这可以使其了解代理的能力和环境的当前状态。他们提出了一种算法，可以在物理接地任务中提取和利用 LLM 中的知识。
对现实世界机器人任务的评估证实该算法可以执行时间扩展、复杂和抽象的指令。
