Generación de behavior trees mediante LLM para el control de un robot social
Palabras clave:
Planificación de misiones y toma de decisiones, Aspectos cognitivos de los sistemas de automatización y los seres humanos, Robots móviles, Modelos de lenguaje grandes, Behavior TreesResumen
Los árboles de comportamiento (Behavior Trees), utilizados como estructuras para controlar robots sociales, suelen ser diseñados manualmente por expertos y adaptados a situaciones específicas. Esta metodología limita la flexibilidad y la capacidad de personalización del comportamiento del robot en tiempo real, lo que dificulta su adaptación a contextos dinámicos y variados.
Este artículo presenta un sistema innovador para el control de robots sociales basado en la generación automática de árboles de comportamiento a partir de instrucciones en lenguaje natural. Utilizando un modelo de lenguaje grande (LLM), las instrucciones humanas son interpretadas y traducidas en una estructura jerárquica de acciones y decisiones, que el robot ejecuta para interactuar de forma coherente y natural con usuarios sin conocimientos técnicos avanzados. Esta propuesta reduce la necesidad de programación manual y favorece una mayor personalización y adaptabilidad en la interacción humano-robot. A modo de experimentación se exponen casos de uso donde el robot ejecuta tareas como desplazarse a una ubicación y reproducir un mensaje, o iniciar una videollamada al detectar que una persona ha caído, todo ello generado dinámicamente a partir de instrucciones simples en lenguaje natural.
