LLM Agent | 记忆模块 + 交流模块，让 agent 合作完成复杂任务

• 论文标题：Building Cooperative Embodied Agents Modularly with Large Language Models (ICLR 2024)
• 最初发表时间：2023.07
• arxiv：https://arxiv.org/abs/2307.02485
• GitHub：https://github.com/UMass-Embodied-AGI/Co-LLM-Agents
• ICLR 2024 poster。

---

目录

• 01 main idea
• 02 agent 架构：由 5 个模块组成
• 03 每个模块分别怎样工作，内部维护什么信息，使用什么 prompt
• 04 微调过程

---

← 返回目录

01 main idea

• 主要贡献：在没有 full observation 的多 agent 合作环境中，通过互相交流，让 LLM agent 进行合作。
• 关键技术：为每个 LLM agent 维护了执行模块、通信模块、记忆模块等，让 agent 可以
  • 记住目前的环境状态；
  • 通过 planning 得知自己下一步应该做什么；
  • 通过预定义的 prompt 与队友们高效交流，分工完成任务。

02 agent 架构：由 5 个模块组成

1. 感知模块：处理摄像头画面，识别物体并构建环境地图
   • 输入：RGB-D 图像。
   • 方法：用训练好的 Mask-RCNN 识别物体，构建 3D 语义地图。
   • 维护：实时更新的物体位置 / 状态信息。
2. 记忆模块：【使用 LLM】存储三类信息：
   • 语义记忆（当前环境 / 任务状态）。
   • 情景记忆（行动 / 对话历史）。
   • 程序记忆（动作执行代码）。
3. 通信模块：【使用 LLM】生成自然语言消息。
4. 规划模块：【使用 LLM】制定行动计划。
5. 执行模块：将计划转化为具体动作。
   • 使用神秘 low-level 控制器，用 A* 之类的算法。

03 每个模块分别怎样工作，内部维护什么信息，使用什么 prompt

各模块工作原理：

• 记忆模块：维护

  • 语义记忆 semantic memory：

    {"地图": 房间布局 + 物体位置,"任务进度": 已完成的子目标,"自身状态": 位置 / 手持物品,"队友状态": 最后观测到的队友信息
    }
    

  • 情景记忆 episode memory：保存最近 50 条行动记录和对话记录。
  • 程序记忆 procedural memory：记忆如何执行一个相对 high-level 的指令的步骤 / policy。

• 通信模块的 prompt：

  指令头：当前任务说明
  目标：需要完成的子目标列表
  状态：语义记忆的文本化描述
  历史：最近 5 次行动和 3 轮对话
  结尾：要求生成简明有用的消息
  

  • 示例输入："发现厨房有3个苹果，队友拿着空容器，建议对方来收集"。

• 规划模块 的 prompt：

  当前状态
  可选行动列表（如：探索A房间/拿取B物品/发送消息）
  要求：用思维链分析最优选择
  

  • 输出：高层行动计划（如："优先搜索未探索的卧室"）。

04 微调过程

1. 数据收集：基于 GPT-4 在模拟环境中执行任务，记录 3,000 条成功轨迹。
2. 处理：人工筛选出 500 条高效沟通 / 决策的优质样本。
3. 训练：
   • 模型：LLAMA-2-13B。
   • 方法：LoRA（Low-rank adaptation）微调，占显存小。
   • 耗时：单张 A100 显卡训练 6 小时。
4. 效果：微调后的 LLAMA 在运输任务中的效率提升 40%，接近 GPT-4 水平。

← 返回目录