AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
SLoSa: Model Fondasi yang Kecil, Hemat Daya, dan Aman untuk Perencanaan Tugas Robotik
Judul asli: SLoSa: Small, Low-Power, and Safe Foundation Models for Robotic Task Planning
SLoSa menangani perencanaan tugas robotik yang aman dengan perencana berbasis model fondasi yang kecil, hemat daya, dan sadar keselamatan, dengan menggabungkan antarmuka tugas LLM yang fleksibel bersama jaminan formal perencana klasik. Kerangka kerja ini membangun dataset sadar keselamatan dari perencana klasik, LLM guru yang canggih, dan verifikator formal, lalu menerapkan fine-tuning terawasi yang diikuti fine-tuning pembelajaran penguatan yang dipandu oleh reward machine berbasis verifikasi. Pada empat domain PDDL, post-training yang dipandu verifikator menaikkan tingkat keberhasilan perencana ringkas 4B-14B menjadi 70.5-76.0%, dan penerapan INT4 pada Jetson Orin membutuhkan daya rata-rata 17.85-26.41 W.