Natural Language Human-Robot Interaction: A Modular Framework for Conversational Robot Control using Large Language Models

Lühendatud kirje lehekülg
dc.contributor.authorLeclerc, Julian Rene
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.contributor.otherTartu Ülikool. Tehnoloogiainstituutet
dc.date.accessioned2026-04-26T15:57:51Z
dc.date.available2026-04-26T15:57:51Z
dc.date.issued2025
dc.descriptionKuna roboteid kasutatakse üha enam igapäevastes olukordades väljaspool tööstuskeskkondi, kujutavad traditsioonilised kontrolleripõhised liidesed, mis nõuavad spetsiaalset väljaõpet, märkimisväärseid takistusi laialdasele kasutuselevõtule. Käesolev väitekiri tutvustab modulaarset loomuliku keele inimese-roboti suhtlussüsteemi, mis on loodud vestluspõhiseks roboti juhtimiseks. See integreerib suured keelemudelid töökindlate robotiraamistike abil kasutusmugavuse suurendamiseks. Süsteem tegeleb oluliste väljakutsetega, nagu suurte keelemudelite usaldusväärsus, kontekstiteadlikkus ja semantilise lõhe ületamine. See sisaldab spetsiaalseid komponente vigade käsitlemiseks, mälu haldamiseks ja platvormideüleseks juurutamiseks veebiliidese kaudu. Süsteemi on valideeritud erinevatel platvormidel, sealhulgas TIAGo ja Boston Dynamics Spot, demonstreerides platvormist sõltumatut funktsionaalsust ja ligipääsetavust mittetehnilistele kasutajatele. See edasiminek aitab demokratiseerida roboti juhtimist loomuliku keele kaudu, tagades samal ajal töökindluse.
dc.description.abstractAs robots are increasingly used in everyday situations beyond industrial environments, traditional controller-based interfaces that require specialized training pose significant barriers to widespread adoption. This thesis introduces a modular natural language human-robot interaction system designed for conversational robot control. It integrates large language models with robust robotic frameworks to enhance usability. The system tackles key challenges, such as the reliability of large language models, contextual awareness, and bridging the semantic gap. It includes specialized components for error handling, memory management, and cross-platform deployment through a web interface. Validated on various platforms, including TIAGo and Boston Dynamics Spot, the system demonstrates platform-agnostic functionality and accessibility for non-technical users. This advancement helps democratize robot control through natural language while ensuring operational reliability.
dc.identifier.urihttps://hdl.handle.net/10062/120648
dc.language.isoen
dc.publisherTartu Ülikoolet
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Estoniaen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ee/
dc.subjectHuman-Robot Interaction (HRI)
dc.subjectLarge Language Models (LLMs)
dc.subjectNatural Language Processing
dc.subjectRobot Operating System (ROS2)
dc.subjectTeMoto Framework
dc.subjectConversational Interfaces
dc.subjectUnified Meaning Representation Format (UMRF)
dc.subjectError Handling
dc.subjectModular Architecture
dc.subjectPlatform- Agnostic Design
dc.subject.othermagistritöödet
dc.titleNatural Language Human-Robot Interaction: A Modular Framework for Conversational Robot Control using Large Language Models
dc.title.alternativeLoomuliku keele inimese-roboti suhtlus: Modulaarne raamistik vestlusp ˜ohiseks roboti juhtimiseks kasutades suuri keelemudeleid
dc.typeThesisen

Failid

Originaal pakett

Nüüd näidatakse 1 - 1 1
Pisipilt
Nimi:
Leclerc_MSc2025.pdf
Suurus:
9.84 MB
Formaat:
Adobe Portable Document Format
Lae alla

Kollektsioonid

Robotics and Computer Engineering - Master's theses