[論文レビュー] LLMs can generate robotic scripts from goal-oriented instructions in biological laboratory automation

Takashi Inagaki, Akari Kato+3 more|arXiv (Cornell University)|Apr 18, 2023

Machine Learning in Materials Science被引用数 17

ひとこと要約

この研究は、GPT-4 が生物学的実験の自然言語による目標指向指示から OT-2 ロボットのスクリプトを生成できることを示しており、低レベルのロボットコードを書く必要を減らします。

ABSTRACT

The use of laboratory automation by all researchers may substantially accelerate scientific activities by humans, including those in the life sciences. However, computer programs to operate robots should be written to implement laboratory automation, which requires technical knowledge and skills that may not be part of a researcher's training or expertise. In the last few years, there has been remarkable development in large language models (LLMs) such as GPT-4, which can generate computer codes based on natural language instructions. In this study, we used LLMs, including GPT-4, to generate scripts for robot operations in biological experiments based on ambiguous instructions. GPT-4 successfully generates scripts for OT-2, an automated liquid-handling robot, from simple instructions in natural language without specifying the robotic actions. Conventionally, translating the nuances of biological experiments into low-level robot actions requires researchers to understand both biology and robotics, imagine robot actions, and write robotic scripts. Our results showed that GPT-4 can connect the context of biological experiments with robot operation through simple prompts with expert-level contextual understanding and inherent knowledge. Replacing robot script programming, which is a tedious task for biological researchers, with natural-language LLM instructions that do not consider robot behavior significantly increases the number of researchers who can benefit from automating biological experiments.

研究の動機と目的

• ライフサイエンス研究を加速させるためのラボ自動化の潜在性を動機づける。
• LLMs が曖昧で自然言語の実験目標を実行可能なロボットスクリプトに変換できることを示す。
• 高レベルのプロンプトがLLMsによる生物学的ワークフローの専門家レベルの文脈理解を可能にすることを示す。

提案手法

• GPT-4 および関連するLLMを用いて、自然言語指示から OT-2 液体操作ロボットのスクリプトを生成する。
• LLM が明示的な低レベル指示なしに必要なロボット動作を推測できるかを評価する。
• 生物学的実験の文脈とロボットの動作を結びつけるために単純なプロンプトを活用する。
• 自然言語プロンプトで従来のロボットプログラミングを置換する実現可能性を評価する。）

実験結果

リサーチクエスチョン

• RQ1 GPT-4 は曖昧な生物学的実験プロンプトから機能する OT-2 スクリプトを生成できるか？
• RQ2 詳細なスクリプティング知識なしに生物学的文脈を適切なロボット動作へどの程度翻訳できるか？
• RQ3 単純なプロンプト付与でLLMsがラボワークフローの専門家レベルの文脈理解を可能にするか？

主な発見

• GPT-4 はロボット動作を具体的に規定せずに、自然言語指示から OT-2 スクリプトを成功裡に生成します。
• LLMs は簡潔なプロンプトを介して生物学的実験の文脈とロボット動作を結びつけます。
• 自然言語プロンプトを使用することで、生物学的実験の自動化の障壁を大幅に低減できます。