GPT HTN Planner

El Planificador HTN genera automáticamente planes detallados que utilizan la arquitectura GPT de OpenAI y la red de tareas jerárquicas (HTN). El sistema genera tareas para lograr un objetivo utilizando el LLM y luego lo descompone iterativamente en subtareas que se pueden ejecutar.

Para obtener los mejores resultados, use GPT-4, aunque otros LLM de OpenSource pueden ser suficientes con modificaciones a la API

Componentes :

• Descomposición: toma una tarea y la descompone en subtareas hasta que se alcanza la profundidad máxima o el plan ha fallado. El sistema realiza un seguimiento de las descomposiciones candidatas e intenta elegir la mejor opción. Puede salir temprano si los resultados son buenos.
• Replanación de la planificación: cuando la planificación falla o parte de un plan falla, se produce la re-planificación
• Ejecución de tareas: identifica una tarea como una unidad ejecutable
  • En la actualidad, las tareas no se ejecutan en una terminal
• Seguimiento de estado: el LLM rastrea y actualiza el estado a medida que ocurre la ejecución
• Análisis de texto: analiza y extrae información de las respuestas del lenguaje natural producidas por el LLM
• Traducción de tareas: intenta traducir una tarea de bajo nivel a un comando o pieza de código que se pueda ejecutar.
• Frontend: un simple frontend react para mostrar una jerarquía que representa el plan
• Avoluciones de evolución: una aplicación diseñada para generar automáticamente indicaciones utilizando algoritmos evolutivos
  • La selección se realiza con roulette wheel selection
  • La mutación es realizada por el LLM
  • LLM realiza la recombinación utilizando los resultados de la selección
  • LLM determina la aptitud física y se normaliza utilizando una puntuación Z para que los resultados se puedan comparar utilizando desviaciones estándar
  • La topología del entorno es una red toroidal 2D que se ajusta dinámicamente a la optimización local o global
• Registros: se genera una gran variedad de registros en la carpeta "registros" y las trazas de funciones se pueden encontrar en "function_trace.log"
  • function_trace.log: rastrea todas las llamadas de función anotadas con "@trace_function_calls"
  • Los registros en la carpeta "Logs" cada rastrear un subsistema particular utilizando la función "Log_Response"
  • Parsing_errors: rastrea cualquier problema con la analización de la salida del LLM para que se puedan realizar actualizaciones al analizador para solucionar el problema
  • state_changes: rastrea las transiciones de estado a lo largo del tiempo generadas por la LLM en función de la información que tiene

Hacer :

• Almacene las piezas de planes exitosos en un DB vectorial para su uso posterior y reduzca los costos de generación
• Continúe mejorando el análisis de texto para lidiar con más casos de borde
• Más postprocesamiento
• Reevaluar las condiciones previas como requisito para la ejecución de la tarea

Instalación :

• Backend

  • Establezca la variable de entorno OPENAI_KEY en su tecla API OpenAI
  • Instalar dependencias
    • Ejecute pip install -r requirements.txt
  • Ejecutar la aplicación de planificación
    • python src/main.py
    • Ingrese el estado inicial
      • Esta es cualquier información que desea que el sistema sepa antes de que comience a planificar
      • Puede poner None o nada en esta entrada
    • Describe tu objetivo
      • Ingrese el objetivo que el sistema planea alcanzar
      • Ej: eat a ham sandwich
    • Capacidades predeterminadas
      • Estas son las herramientas que el planificador puede considerar usar al crear el plan.
      • Este valor predeterminado a Linux terminal, internet access , puede presionar ENTER para usarlos
    • Elige planificador
      • Opciones para crear planes utilizando diferentes tipos de algoritmos de planificación. Opciones como el planificador HTN y un* planificador de búsqueda.
      • Este valor predeterminado es usar el planificador HTN
  • Ejecutar la aplicación de evolución rápida
    • python src/prompt_evolver.py
    • Ingrese el objetivo o el problema con el que le gustaría las indicaciones diseñadas.

• Interfaz:

  • Entrar en el directorio frontend
    • cd src/frontend
  • Comience el frontend
    • npm start

Créditos :

• Demonio
• GPT-4
• Bardo

Referencias :

• HTN
  • Papeles
    • https://arxiv.org/pdf/1106.4869.pdf
    • https://arxiv.org/pdf/1403.7426.pdf
    • https://www.cs.umd.edu/~nau/papers/nau2021gtpyhop.pdf
  • Libros
    • Planificación automatizada, teoría y práctica (2008) por Malik Ghallab, Dana Nau, Paolo Traverso (Capítulo 11)
  • Implementaciones y documentación
    • https://www.cs.umd.edu/projects/shop/description.html
    • https://github.com/ptrefall/fluid-hierchical-task-network
    • https://github.com/maksmaisak/htn
    • https://maksmaisak.github.io/htn/front.html
    • https://github.com/dananau/gtpyhop
  • Videos
    • https://www.youtube.com/watch?v=7l3tcofmr7w
    • https://www.youtube.com/watch?v=mypf9_5wvlm
    • https://www.youtube.com/watch?v=7rhi4fwljw4
    • https://www.youtube.com/watch?v=kxm467tftcy
    • https://www.youtube.com/watch?v=xxusfbvquly