NeSyPack: 双腕ロジスティクス梱包のためのニューロシンボリックフレームワーク

- 本論文は NeSyPack とよばれる neuro-symbolic framework を提案する。 - 対象は bimanual logistics packing という二腕ロボットによる梱包作業。 - data-driven models と symbolic reasoning を組み合わせる。 - 説明可能な階層型システムを構築し、generalizable・data-efficient・reliable を狙う。 - タスクを階層的推論で subtasks に分解する。 - さらに atomic skills に分解し、symbolic skill graph で管理する。 - 2025 IEEE International Conference on Robotics and Automation の What Bimanuals Can Do (WBCD) competition で First Prize を受賞したシステムである。

- 先行研究として end-to-end models と比較している。 - end-to-end models は large-scale retraining を必要とする点が課題とされる。 - NeSyPack は modular design により robustness・adaptability・efficient reuse を実現すると主張する。 - 大規模な再学習を要する end-to-end 手法を上回ると述べている。 - 具体的な先行研究名や定量比較の詳細は要旨からは不明。

- 核となるのは neuro-symbolic な階層構造である。 - data-driven models と symbolic reasoning を統合する。 - 階層的推論でタスクを subtasks に分解する。 - さらに atomic skills へと分解する。 - symbolic skill graph が atomic skills を管理する。 - 同 graph が skill parameters・robot configurations・task-specific control strategies を選択し、実行に導く。 - この modular design が robustness・adaptability・efficient reuse を支える。

- 2025 IEEE International Conference on Robotics and Automation の What Bimanuals Can Do (WBCD) competition に参加し、First Prize を受賞したことが示されている。 - 競技での具体的なタスク設定・評価指標・比較対象・定量的結果は要旨からは不明。

- 要旨では modular design による robustness・adaptability・efficient reuse と、end-to-end models に対する優位性を主張している。 - 限界・失敗事例・計算コスト・symbolic skill graph の設計負担などの議論は要旨からは不明。 - 競技受賞という実績以外の一般化可能性の検証については要旨からは不明。

- 要旨で比較対象として明示されている end-to-end models に関する研究。 - neuro-symbolic なロボティクス手法（neuro-symbolic robotics）の関連研究。 - hierarchical reasoning や skill graph を用いるタスク分解・skill selection の研究。 - bimanual manipulation および logistics packing のベンチマーク・競技（What Bimanuals Can Do (WBCD) competition 関連）の文献。 - 個別の論文名は要旨で参照されていないため、上記は関連手法・分野の一般名として挙げる。