Hybrid LLM-based Intelligent Framework for Robot Task Scheduling

Riepilogo Tecnico: Framework Intelligente Ibrido basato su LLM per la Pianificazione delle Attività Robotiche

Enunciato del Problema
Il settore delle costruzioni affronta sfide significative nella pianificazione delle attività e nell'allocazione delle risorse a causa dei livelli variabili di competenza della forza lavoro, delle condizioni dinamiche del cantiere e delle limitazioni degli strumenti software tradizionali. I metodi di pianificazione convenzionali si basano su descrizioni delle attività predefinite e strumenti specializzati che mancano della flessibilità necessaria per adattarsi a cambiamenti senza precedenti o per interpretare istruzioni in linguaggio naturale provenienti da professionisti delle costruzioni. Sebbene i Modelli Linguistici di Grande Dimensione (LLM) offrano potenzialità per l'interazione in linguaggio naturale e il ragionamento logico, spesso faticano nella precisione matematica, nella soddisfazione dei vincoli e nella previsione degli stati futuri basata su vincoli logici (ad esempio, esaurimento della batteria, regole di precedenza). Inoltre, la ricerca esistente non ha valutato sufficientemente una pipeline ibrida che combini un LLM generativo con un LLM supervisore per valutare l'accuratezza utilizzando metriche standardizzate in scenari di costruzione multi-robot.

Metodologia
Gli autori propongono un Framework Ibrido basato su LLM che utilizza un'architettura a due agenti per generare e validare i piani di attività per i robot. Il sistema opera attraverso una pipeline a quattro fasi:

1. Panoramica del Sistema e Contestualizzazione: Il sistema accetta istruzioni in inglese e il contesto del cantiere (mappe, ruoli dei robot, schemi API). Canonizza le entità (luoghi, ID robot) per ridurre l'ambiguità.
2. Fase 1: Generatore (Sintesi del Piano): Un agente Generatore (GPT-4) riceve un prompt strutturato simile al codice contenente il contesto dello scenario, esempi few-shot e invarianti dello schema espliciti. Produce un piano preliminare ($\tilde{\pi}$) come una sequenza di comandi a livello API.
3. Fase 2: Supervisore (Controllo dei Vincoli): Un agente Supervisore (Gemma 3, LLaMA 4 o Mistral 7B) convalida indipendentemente il piano preliminare rispetto a cinque classi di vincoli:
   • Precedenza: Garantire che le attività seguano l'ordine del Grafo Aciclico Diretto (DAG).
   • Capacità/Coalizione: Verificare che i robot possiedano le competenze richieste o formare coalizioni minime per attività complesse.
   • Capacità/Risorse: Controllare i limiti di carico utile e i conteggi dei materiali.
   • Batteria/Cinematica: Garantire che i livelli della batteria rimangano non negativi e che i movimenti siano fisicamente realizzabili.
   • Schema/Unicità: Confermare il formato dei comandi ed evitare duplicati.
4. Fase 3: Ciclo di Riparazione Supervisionata: Se vengono rilevate violazioni, il Supervisore esegue una "proiezione di modifica minima", proponendo un piano corretto ($\hat{\pi}$) che minimizza la distanza di editing (riordinamento, sostituzione, riassegnazione della coalizione) soddisfacendo tutti i vincoli. Questo ciclo itera fino a un numero limitato di volte ($T=3$).
5. Fase 4: Finalizzazione: Il piano validato viene restituito in un formato pronto per l'API per l'esecuzione da parte del middleware robotico.

Il framework modella il problema come la ricerca di una sequenza di comandi fattibile $\hat{\pi} \in \mathcal{P}$ che soddisfi un insieme di vincoli $\Phi$, dove il Supervisore agisce come operatore di proiezione che mappa una bozza non fattibile nel piano fattibile più vicino.

Contributi Chiave

• Architettura Ibrida Generatore-Supervisore: Il documento introduce una pipeline innovativa che combina GPT-4 come generatore con LLM più piccoli e specializzati (Gemma 3, LLaMA 4, Mistral 7B) come supervisori per correggere allucinazioni ed errori logici.
• Pianificazione Consapevole dei Vincoli: A differenza dei pianificatori basati su regole tradizionali (ad esempio FCFS) o di singoli passaggi LLM, questo framework impone esplicitamente vincoli complessi tra cui durata della batteria, formazione di coalizioni e sicurezza spaziale.
• Valutazione Standardizzata: Lo studio fornisce un benchmark per la pianificazione delle attività basata su LLM utilizzando sia metriche in formato testo (BLEU, ROUGE, METEOR) sia metriche in formato piano (Tasso di Fattibilità, Distanza di Editing, Makespan).
• Strategia di Correzione a Modifica Minima: La ricerca dimostra che un'elevata fattibilità può essere ottenuta attraverso modifiche localizzate e minime piuttosto che una rigenerazione completa del piano, preservando l'intento originale del generatore.

Risultati Sperimentali
Il framework è stato valutato su due compiti di costruzione simulati:

1. Assemblaggio di Muri con Vincoli di Batteria: Un singolo robot deve costruire un muro gestendo la durata della batteria.
   • Risultati: L'approccio basato solo sul Generatore ha violato frequentemente i vincoli di batteria. Tutte le configurazioni ibride (GPT-4 + Gemma/LLaMA/Mistral) hanno raggiunto un Tasso di Fattibilità (FR) di 1.0.
   • Stile di Correzione: Gemma 3 e LLaMA 4 hanno eseguito correzioni "chirurgiche" (ad esempio, inserendo un singolo passo di ricarica o riordinando la navigazione), ottenendo un'elevata similarità testuale (BLEU > 0.87) e un sovraccarico minimo del makespan. Mistral 7B ha adottato un approccio più conservativo, aggiungendo passi di ricarica ridondanti, il che ha abbassato i punteggi BLEU ma ha mantenuto la fattibilità.
2. Copertura della Scansione e Fattibilità del Percorso: Un robot deve scansionare una griglia e tornare a un punto di partenza.
   • Risultati: Il Generatore ha spesso mancato la copertura di celle specifiche. Tutti i supervisori ibridi hanno raggiunto un Tasso di Piano Fattibile (FPR) del 100%.
   • Stile di Correzione: LLaMA 4 ha fornito la correzione più efficiente (una singola inserzione SCAN), ottenendo i punteggi BLEU e ROUGE più alti. Gemma 3 ha richiesto una deviazione breve, mentre Mistral 7B ha aggiunto scansioni ridondanti per la robustezza.

Significato e Affermazioni
Il documento afferma che l'implementazione degli LLM è cruciale per migliorare l'efficienza e la flessibilità delle operazioni robotiche nelle costruzioni. Il significato principale risiede nel dimostrare che un approccio ibrido multi-agente colma efficacemente il divario tra la comprensione del linguaggio naturale degli LLM e i vincoli rigorosi richiesti per l'esecuzione robotica.

Gli autori affermano che il loro framework:

• Supera la Pianificazione "Miopica": Separando generazione e verifica, il sistema evita le incoerenze logiche comuni nella pianificazione LLM a passaggio singolo.
• Garantisce Sicurezza e Fattibilità: L'agente supervisore funge da barriera affidabile, assicurando che i piani generati siano eseguibili e sicuri (ad esempio, nessun esaurimento della batteria, copertura completa).
• Mantiene la Tracciabilità: Poiché le correzioni sono minime e locali, i piani finali rimangono vicini all'intento originale del generatore, facilitando l'ispezione umana e il passaggio affidabile al middleware robotico.

Lo studio conclude che la combinazione GPT-4 + Gemma-3 offre attualmente la configurazione predefinita più forte, bilanciando alti punteggi in formato testo con una validazione del piano affidabile. Il lavoro futuro è identificato nel tuning dei ruoli degli agenti e nel passaggio a scenari multi-robot eterogenei con capacità specializzate di trasporto e assemblaggio.