マニピュレーション2025/10/1arXiv:2510.08705

ConPoSe: LLMガイドによる協調物体押し出しのための接触点選択のスケーラブル化

ConPoSe: LLM-Guided Contact Point Selection for Scalable Cooperative Object Pushing

複数ロボットで物体を押す際の接触点選択に、大規模言語モデルの推論と局所探索を組み合わせる手法を提案し、従来の解析的手法よりスケーラブルで高性能なことを示した。

詳しい要約

1. どんなもの？

- 混雑環境での物体輸送、特に複数ロボットによる協調 pushing のための contact point 選択手法 ConPoSe を提案する研究。 - 単一ロボットでは運べない大きな物体を、事前計画された経路に沿って押すために、ロボットと物体の接触点を選ぶ問題を扱う。 - LLM の推論能力と local search を組み合わせ、接触点選択をスケールさせる。

2. 先行研究と比べてどこがすごい？

- 接触点選択は解析的に解けるが、ロボット数と物体サイズに対して解空間が組合せ爆発しスケーラビリティが制限される。 - 提案手法は、その解析的アプローチよりもロボット数・物体サイズに対してスケールすることを示す。 - 純粋な LLM ベース選択よりも性能が高いことも示す。

3. 技術・手法の肝は？

- 人間が協調輸送で常識的推論に頼ることに着想を得て、LLM の推論能力と local search を組み合わせる。 - LLM-guided local search により contact point を選択する枠組み ConPoSe を構成する。 - 詳細なアルゴリズム構成は要旨からは不明。

4. どうやって有効だと検証した？

- cuboids、cylinders、T-shapes を含む多様な形状で接触点選択に成功することを示す。 - 解析的アプローチと比較して、ロボット数と物体サイズに対するスケーラビリティが良いことを示す。 - 純粋な LLM ベース選択を上回ることを示す。 - 定量的評価指標や実験設定の詳細は要旨からは不明。

5. 議論はある？

- 解析的手法の組合せ爆発とスケーラビリティ限界が動機として議論される。 - LLM の常識的推論を接触点選択に活用する妥当性が示唆される。 - 限界や失敗ケース、計算コストなどの詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で比較対象として挙げられている解析的 contact point selection アプローチ。 - 純粋な LLM-based selection 手法。 - 協調 object transport / cooperative pushing に関する関連研究（個別論文名は要旨からは不明）。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Noah Steinkrüger, Nisarga Nilavadi, Wolfram Burgard, Tanja Katharina Kaiser

分類: cs.RO, cs.AI

原文アブストラクト

Object transportation in cluttered environments is a fundamental task in various domains, including domestic service and warehouse logistics. In cooperative object transport, multiple robots must coordinate to move objects that are too large for a single robot. One transport strategy is pushing, which only requires simple robots. However, careful selection of robot-object contact points is necessary to push the object along a preplanned path. Although this selection can be solved analytically, the solution space grows combinatorially with the number of robots and object size, limiting scalability. Inspired by how humans rely on common-sense reasoning for cooperative transport, we propose combining the reasoning capabilities of Large Language Models with local search to select suitable contact points. Our LLM-guided local search method for contact point selection, ConPoSe, successfully selects contact points for a variety of shapes, including cuboids, cylinders, and T-shapes. We demonstrate that ConPoSe scales better with the number of robots and object size than the analytical approach, and also outperforms pure LLM-based selection.

arXivで原文を読む →arXiv概要ページ

ConPoSe: LLMガイドによる協調物体押し出しのための接触点選択のスケーラブル化

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell