[논문 리뷰] LLMs can generate robotic scripts from goal-oriented instructions in biological laboratory automation

Takashi Inagaki, Akari Kato외 3명|arXiv (Cornell University)|2023. 04. 18.

Machine Learning in Materials Science인용 수 17

한 줄 요약

요약: 연구는 GPT-4가 생물학 실험용 OT-2 로봇 스크립트를 자연어 목표 지향 지시로 생성할 수 있어 저수준 로봇 코드 작성을 줄여줌.

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.

연구 동기 및 목표

• 생명과학 연구를 가속화하기 위한 실험실 자동화의 가능성에 동기를 부여한다.
• 모호한 자연어 실험 목표를 실행 가능한 로봇 스크립트로 LLM이 변환할 수 있음을 입증한다.
• 고수준 프롬프트가 LLM에 의해 생물학적 작업 흐름의 맥락적 이해를 전문가와 유사하게 가능하게 한다.

제안 방법

• 자연어 지시로 OT-2 액체 핸들링 로봇의 스크립트를 생성하기 위해 GPT-4 및 관련 LLM을 사용한다.
• LLM이 명시적 저수준 명령 없이 필요한 로봇 조치를 추론할 수 있는지 평가한다.
• 생물학적 실험 맥락을 로봇 작동과 연결하기 위해 간단한 프롬프트를 활용한다.
• 자연어 프롬프트로 전통적 로봇 프로그래밍을 대체할 수 있는지의 타당성을 평가한다.

실험 결과

연구 질문

• RQ1 GPT-4가 애매한 생물학 실험 프롬프트에서 기능적 OT-2 스크립트를 생성할 수 있는가?
• RQ2 자세한 스크립트 지식 없이도 LLM이 생물학적 맥락을 적절한 로봇 조작으로 번역할 수 있는 정도는 어느 정도인가?
• RQ3 간단한 프롬프트로 LLM이 실험실 워크플로우의 전문가 수준의 맥락 이해를 가능하게 하는가?

주요 결과

• GPT-4가 로봇 조작 지시를 구체적으로 지정하지 않고도 자연어 지시로 OT-2 스크립트를 성공적으로 생성한다.
• LLM은 간결한 프롬프트를 통해 생물학 실험 맥락과 로봇 작동을 연결한다.
• 자연어 프롬프트를 사용하면 생물학 실험 자동화의 장벽을 크게 낮출 수 있다.