ArtemLykov/LLM-MARS_dataset

该数据集由Skoltech的智能空间机器人实验室开发，用于训练基于用户命令生成机器人行为树的大型语言模型（LLM）。该模型是多代理人工智能系统的一部分，该系统在LLM-MARS论文中有所描述。数据集根据不同的游戏策略进行分割。

This dataset was developed by Skoltechs Intelligent Space Robotics Laboratory for training a Large Language Model (LLM) to generate robot behavior trees based on user commands. The model is part of a multi-agent artificial intelligence system described in the LLM-MARS paper. The dataset is split into parts by different game strategies.

原始信息汇总

LLM-MARS 数据集概述

基本信息

• 许可证: CC BY 4.0
• 任务类别: 文本生成
• 语言: 英语
• 标签: 机器人学
• 数据集规模: 100K < n < 1M

开发团队

• 机构: Skoltechs Intelligent Space Robotics Laboratory

数据集用途

• 应用场景: 用于训练大型语言模型（LLM）生成机器人行为树，基于用户指令。
• 关联项目: 该模型是多智能体人工智能系统的一部分，用于描述狗机器人的行为，相关研究发表在 LLM-MARS 论文 中。

数据集结构

• 数据分割: 数据集按不同的游戏策略进行分割。

引用信息

• 论文引用: bibtex @misc{lykov2023llmmarslargelanguagemodel, title={LLM-MARS: Large Language Model for Behavior Tree Generation and NLP-enhanced Dialogue in Multi-Agent Robot Systems}, author={Artem Lykov and Maria Dronova and Nikolay Naglov and Mikhail Litvinov and Sergei Satsevich and Artem Bazhenov and Vladimir Berman and Aleksei Shcherbak and Dzmitry Tsetserukou}, year={2023}, eprint={2312.09348}, archivePrefix={arXiv}, primaryClass={cs.RO}, url={https://arxiv.org/abs/2312.09348}, }

• 数据集引用: bibtex @misc{LLM-MARS_dataset, title={LLM-MARS_dataset}, author={Artem Lykov and Maria Dronova and Nikolay Naglov and Mikhail Litvinov and Sergei Satsevich and Artem Bazhenov and Vladimir Berman and Aleksei Shcherbak and Dzmitry Tsetserukou}, year={2024}, publisher={Hugging Face}, howpublished={url{https://huggingface.co/datasets/ArtemLykov/LLM-MARS_dataset}} }

搜集汇总

数据集介绍

构建方式

在机器人行为规划领域，LLM-MARS数据集由斯科尔科沃理工学院智能空间机器人实验室精心构建。该数据集专为训练基于用户指令生成机器人行为树的大型语言模型而设计，其构建过程紧密围绕多智能体机器人系统的实际需求展开。数据采集源自多样化的游戏策略场景，通过系统化划分不同策略模块，确保了数据在行为逻辑上的丰富性与层次性。构建过程中，研究团队注重指令与行为树结构之间的映射关系，为后续模型训练提供了高质量、结构化的文本到文本生成样本。

使用方法

在具体应用层面，该数据集主要用于训练文本到文本生成模型，特别是面向机器人行为树自动生成的场景。使用者可依据不同策略划分的数据子集，进行模型训练与评估，以验证指令到行为结构的映射性能。数据集适用于机器人学、自然语言处理及多智能体系统等研究领域，能够为基于大型语言模型的机器人高层任务规划提供支持。通过加载HuggingFace平台上的数据集，研究人员可便捷地获取并整合数据至现有训练流程，推动机器人自然语言交互与自主决策能力的进一步发展。

背景与挑战

背景概述

在机器人学与自然语言处理交叉领域，如何使机器人理解人类指令并自主生成行为树，一直是实现智能人机协作的核心难题。2023年，由斯科尔科沃科学技术研究院智能空间机器人实验室团队创建的LLM-MARS数据集应运而生，旨在为大语言模型生成机器人行为树提供训练基础。该数据集作为LLM-MARS研究项目的重要组成部分，聚焦于将用户自然语言命令映射为结构化行为树，以驱动多智能体机器人系统，尤其在四足机器人等复杂平台上展现了其应用潜力，推动了机器人任务规划与自然语言交互的深度融合。

当前挑战

该数据集致力于解决机器人行为树自动生成的挑战，即如何准确解析开放域的人类指令，并将其转化为可执行、逻辑严密的行为序列。在构建过程中，研究人员面临多方面的困难：一是需要设计涵盖多样化游戏策略的指令-行为树对，确保数据能够泛化至不同任务场景；二是行为树的语义结构必须与机器人底层动作精确对齐，避免出现逻辑歧义或执行断层；此外，数据标注需兼顾机器人学专业知识与自然语言多样性，这对标注的一致性与规模提出了较高要求。

常用场景

经典使用场景

在机器人学与自然语言处理交叉领域，LLM-MARS数据集为大型语言模型生成行为树提供了关键训练资源。该数据集通过将用户自然语言指令映射到结构化行为树序列，支持模型学习复杂任务规划的逻辑表示。典型应用场景涉及训练模型解析模糊或多步骤指令，并自动生成可执行的行为树，从而简化机器人任务编程流程，提升人机交互的自然性与效率。

解决学术问题

该数据集致力于解决机器人任务规划中自然语言理解与结构化行为生成的衔接难题。它通过提供大规模指令-行为树配对数据，缓解了传统方法依赖手工编码或有限规则集的局限性，促进了端到端学习框架的发展。其意义在于推动了语言引导的机器人自主决策研究，为多智能体系统的协同任务分配与对话增强奠定了数据基础，加速了智能机器人适应动态环境的学术探索。

实际应用

在实际机器人部署中，LLM-MARS数据集可赋能服务机器人、工业自动化及太空探索等领域。例如，在家庭助手机器人场景中，用户通过口语化指令如“清理房间并倒垃圾”，系统能自动分解任务并生成行为树，驱动机器人执行序列动作。该数据集还支持多智能体狗机器人系统的对话与行为协调，提升复杂环境下的任务适应性与人机协作流畅度。

数据集最近研究

最新研究方向

在机器人学与人工智能交叉领域，LLM-MARS数据集正推动行为树生成与多智能体对话系统的前沿探索。该数据集基于用户指令训练大型语言模型，旨在为机器人行为树生成提供结构化解决方案，尤其适用于多智能体系统如狗型机器人的协同控制。当前研究热点聚焦于将自然语言处理能力深度融合到机器人任务规划中，通过增强对话交互实现更灵活、可解释的自主决策。这一方向不仅提升了机器人在动态环境中的适应性，也为智能体间协作开辟了新路径，对服务机器人、工业自动化等应用场景具有深远意义。