Desarrollo de un sistema motivacional para el descubrimiento de needs y drives en robots autónomos

Abstract

Este trabajo presenta un sistema motivacional para robots autónomos que permite la generación y el aprendizaje de misiones (y sus correspondientes impulsos) alineadas con propósitos humanos. El sistema se integra dentro de la arquitectura cognitiva e-MDB y utiliza Modelos de Lenguaje de Gran Tamaño (LLMs) para interpretar instrucciones en lenguaje natural. Se emplean tres instancias distintas de LLM, cada una especializada en una función específica: alineación semántica, generación de misiones y modelado de impulsos motivacionales. Los experimentos realizados en el entorno de simulación Gazebo demostraron una alineación consistente entre el comportamiento del robot y los propósitos humanos, así como una alta confiabilidad en la validez de las misiones y los impulsos generados.

This work introduces a motivational system for autonomous robots that allows the generation and learning of missions (and their associated drives) aligned with human purposes. The system is integrated into the e-MDB cognitive architecture, employing Large Language Models (LLMs) to interpret natural language instructions. The system employs three distinct LLM instances, each specialized for a specific function: semantic alignment, mission generation, and modeling of motivational drives. Experiments conducted within the Gazebo simulation environment demonstrated consistent alignment between robot behavior and human purposes, as well as high reliability in mission and drive validity.