GPT HTN Planner

Планировщик HTN автоматически генерирует подробные планы с использованием архитектуры GPT OpenAI и иерархической сети задач (HTN). Система генерирует задачи для достижения цели с использованием LLM, а затем итеративно разлагает ее на подзадачи, которые могут быть выполнены.

Для достижения наилучших результатов используйте GPT-4, хотя другие LLMS OpenSource могут достаточно модификаций API

Компоненты :

• Разложение - берет задачу и разлагает ее на подзадачи, пока максимальная глубина не будет достигнута или план не потерпел неудачу. Система отслеживает декомпозиции кандидатов и попытки выбрать лучший вариант. Может выйти рано, если результаты хороши.
• Повторное планирование-когда планирование не удалось или часть плана не удается, происходит повторное планирование
• Выполнение задачи - идентифицирует задачу как исполняемая единица
  • В настоящее время задачи фактически не выполняются в терминале
• Отслеживание состояний - LLM отслеживает и обновляет состояние по мере выполнения
• Подбор текста - анализации и извлекает информацию из ответов естественного языка, произведенных LLM
• Перевод задачи - Попытки перевести задачу низкого уровня в команду или кусок кода, который может быть выполнен.
• Frontend - простой фронт, чтобы отобразить иерархию, представляющую план
• Приглашение Evolver - приложение, предназначенное для автоматического генерации подсказок с использованием эволюционных алгоритмов
  • Выбор выполняется с использованием roulette wheel selection
  • Мутация выполняется LLM
  • Рекомбинация выполняется LLM с использованием результатов выбора
  • Фитнес определяется LLM и нормализуется с использованием Z-показателя, так что результаты можно сравнить с использованием стандартных отклонений
  • Топология среды - это 2D тороидальная сетка, которая динамически приспосабливается к локальной или глобальной оптимизации
• Журналы - Большое разнообразие журналов генерируется в папках «журналы», и в «Функциональной папке» можно найти в "function_trace.log"
  • function_trace.log - отслеживает все вызовы функции, аннотированные с помощью "@trace_function_calls"
  • Журналы в папке «Журналы» Каждый отслеживает определенную подсистему, используя функцию «log_response»
  • parsing_errors - отслеживает любые проблемы с анализом вывода из LLM, чтобы обновления можно было сделать для анализатора, чтобы решить проблему
  • State_changes - отслеживает переходы состояния с течением времени, генерируемые LLM на основе информации, которую он имеет

Тодо :

• Хранить кусочки успешных планов в векторном DB для последующего использования и снижения затрат на генерацию
• Продолжайте улучшать анализ текста, чтобы справиться с большим количеством краев.
• Больше постобработки
• Переоценить предварительные условия в качестве требования для выполнения задачи

Установка :

• Бэкэнд

  • Установите переменную среды OPENAI_KEY на свой ключ API OpenAI
  • Установить зависимости
    • Запустить pip install -r requirements.txt
  • Запустить приложение планирования
    • python src/main.py
    • Введите начальное состояние
      • Это любая информация, которую вы хотите, чтобы система знала, прежде чем она начнет планировать
      • Вы можете поместить None или ничего в этот вход
    • Опишите свою цель
      • Введите цель, которую система планирует достичь
      • Пример: eat a ham sandwich
    • Возможности по умолчанию
      • Это инструменты, которые планировщик может рассмотреть при создании плана
      • Этот по умолчанию в Linux terminal, internet access , вы можете просто нажать Enter, чтобы использовать их
    • Выберите планировщик
      • Варианты создания планов с использованием различных типов алгоритмов планирования. Такие варианты, как HTN Planner и A* Search Planner.
      • Это по умолчанию использование планировщика HTN
  • Запустить приложение Evolver Evolver
    • python src/prompt_evolver.py
    • Войдите в цель или проблему, которую вы хотели бы, чтобы подсказка разработала вокруг.

• Внешний интерфейс:

  • Зайдите в каталог Frontend
    • cd src/frontend
  • Начните фронт
    • npm start

Кредиты :

• Демоновый
• GPT-4
• Бард

Ссылки :

• Htn
  • Документы
    • https://arxiv.org/pdf/1106.4869.pdf
    • https://arxiv.org/pdf/1403.7426.pdf
    • https://www.cs.umd.edu/~nau/papers/nau2021gtpyhop.pdf
  • Книги
    • Автоматическое планирование, теория и практика (2008) Малик Галлаб, Дана Нау, Паоло Траверсо (глава 11)
  • Реализации и документация
    • https://www.cs.umd.edu/projects/shop/description.html
    • https://github.com/ptrefall/fluid-hierarchical-task-network
    • https://github.com/maksmaisak/htn
    • https://maksmaisak.github.io/htn/front.html
    • https://github.com/dananau/gtpyhop
  • Видео
    • 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=xxusfbvquuly