CN119443695A 基于大模型的智能任务规划方法 （中国人民解放军国防科技大学）

本发明提供了一种基于大模型的智能任务模型推理能力实现了无人系统的问题从发现到2对所述原始任务内容进行任务分解以生成基获取用户的输入信息并通过意图识别的方式生成用户意根据所述外部环境数据和所述内部状态数据生成潜在需求根据所述用户意图识别结果和所述潜在需求识别结将所述输入信息发送至所述任务理解模板中以使所述任务理解模板创建原始任务内在所述大模型中获取目标提示工具以构建MD对所述负荷任务进行分解以生成基础任务集合B,ET"其中，capability(cc⃞;B,y)=1表示可被Ei执行，基础任务是可以被某一执行单获取当前执行单元的基础信息，所述基础信息包括执行单元将所述基础任务集合和所述执行平台作为输入传递至所述检索增强生成流程中以获3将所述执行单元对应的目标接口的函数记为将所述任务分配策略A输入至所述目标接口的函数中以获取输出为驱动执行单元的代C=capability(B,B1)=根据所述评估报告判断是否需要对所述任务分配8.一种基于大模型的智能任务规划系统，其任务分配策略模块，用于获取当前执行单元的基础信4[0001]本申请涉及无人系统技术领域，尤其是涉及一种基于大模型的智能任务规划方系统及其规划子系统的设计过程通常考虑单独场景和少量固定任务，搭配定制化的模型、5[0021]将所述输入信息发送至所述任务理解模板中以使所述任务理解模板创建原始任[0027]对所述负荷任务进行分解以生成基础任务集合B,Ee[0036]将所述基础任务集合和所述执行平台作为输入传递至所述检索增强生成流程中[0037]可选的，所述根据所述任务分配策略调用所述执行单元[0039]将所述任务分配策略A输入至所述目标接口的函数中以获取输出为驱动执行单元6[0047]根据所述执行结果信息、所述执行环境信息以及所述原始任务内容生成评估报[0052]基础任务集合模块，用于对所述原始任务内容进行任务分解以生成基础任务集[0059]图1是本申请实施例方案涉及的硬件运行环境的基于大模型的智能任务规划设备[0061]图3是本申请基于大模型的智能任务规划方法第一实施例的传统规划技术与GTN[0062]图4是本申请基于大模型的智能任务规划方法第一实施例的实际运行流程示意7[0063]图5是本申请基于大模型的智能任务规划方法第一实施例的执行主体GTN的应用[0064]图6是本申请基于大模型的智能任务规划方法第一实施例的执行主体GTN实现路接口、无线接口。网络接口1004可选的可以包括标准(Wireless_Fidelity，Wi_Fi)接口)。存储器1005可以是高速的随机存取存储器(Random[0069]本领域技术人员可以理解，图1中示出的结构并不构成对基于大模型的智能任务[0070]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模[0071]在图1所示的基于大模型的智能任务规划设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请中的处理器任务规划设备通过处理器1001调用存储器1005中存储的基于大模型的智能任务规划程序，并执行本申请实施例提供的基于大模型的智能请基于大模型的智能任务规划方法第一实施例的[0076]可以理解的是，在本实施例中GTN是针对无人系统构建的集智能任务规划和自动8入可以为空，大模型只需要接收当前态势数据即可执行完整的GTN过程，如用户有特殊需[0078]GTN借鉴了层次任务网的结构，利用大模型将复杂的初始任务有效地分解并转化为可执行的接口操作任务。GTN的核心在于其能够智能地解析用户指令和系统感知到的态[0085]初始任务是指大模型根据用户输入指令和系统感知到的态势数据结果而创建的9[0094]基础任务是指GTN中已经被分解到最细粒度的任务，它可以直接被某一个执行单pp在大模型中获取目标提示工具以构建MDecompose；通过构建MDecompose对原始任务内容TRaw进行MDecompose将TRaw合理地分解为多级子任务，经过多次分解直至全部分解为基础任务B,[0109]步骤S40：获取当前执行单元的基础信息，结合基础任务集合以生成任务分配策任务集合和执行平台作为输入传递至检索增强生成流程执行单元对应的目标接口的函数记为MDrive；将任务分配策略A输入至目标接口的函数中以[0120]其中lj的本质是对基础任务的一种重组，每个lj都由一个行代码在同一个lj中表明这些任务是并行执行，而lj[0123]感知与评估函数可以记为MEvaluate，它将收集到的当前环境数据和系统状态信息Situation、执行结果Situation'和初始任务TRaw作为输入，输出对任务执行的评估报告[0127]感知层，感知层是GTN的前端，负责收集和理解外部环境以及内部硬件的传感数[0128](1)内部硬件设备与传感器：通过硬件设备及其传感收集来自外部环境的态势数[0131](1)专家领域知识：包含特定任务领域的专家知识，用于指导领域任务生成和驱系统的任务规划与执行过程。另外为增强GTN的效果，还使用了一种链式消息传递(Chain[0147]本实施例的执行主体GTN通过这四个层面的紧密协作，实现了从环境感知到任务计方式的有助于提升大模型效能、较少对话token的浪费、应用场景的可迁移性和泛化性出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质