意図駆動型LLMアンサンブル計画による柔軟なマルチロボット分解：EVバッテリーでの実証

- 複数の異なる end-effector と能力を持つロボット群が、computer vision の情報を基に、非構造シーンで任意の位置・配置で現れる多様な物体に対し、連結した action sequence を計画・実行する複雑な manipulation タスクの planning 問題を扱う。 - 人間の簡単な language instructions による supervisory input の度合いを変えつつ、action sequence を頑健に構築する intent-driven planning pipeline を提案。 - 例題として、2 本の robot arms が協調して Electric Vehicle battery を解体するリサイクル応用タスクで評価。

- 要旨からは不明。 - ただし提案 pipeline は LLM の ensemble と LLM-based verifier、deterministic consistency filter を組み合わせ、hallucinated objects を排除しつつ precedence constraints を強制する点を特徴として述べている。 - 5 つの LLM-based planners との比較および pipeline 構成要素の ablation を行う点が評価設計上の特徴。

- (i) perception-to-text scene encoding によりシーンをテキスト化。 - (ii) operator の intent に基づき候補 removal sequences を生成する LLM ensemble。 - (iii) formatting と precedence constraints を強制する LLM-based verifier。 - (iv) hallucinated objects を棄却する deterministic consistency filter。 - これらを統合し、人間の language instructions と自律的な task-order feasibility 判断の両方から順序を決定。

- 2 本の robot arms による Electric Vehicle battery 解体タスクで評価。 - 5 つの component classes にわたり、200 real scenes・600 operator prompts を使用。 - metrics は full-sequence correctness と next-task correctness。 - 5 つの LLM-based planners を比較し、pipeline 構成要素の ablation analyses も実施。 - LLM-based human interface を time to execution と NASA TLX で human participant experiments により評価。

- 結果として ensemble-with-verification approach が operator intent を安全で実行可能な multi-robot plans に安定的に写像し、ユーザ負担を低く保つと述べている。 - 具体的な限界や失敗事例、議論の詳細は要旨からは不明。

- 要旨で参照・比較されている 5 つの LLM-based planners や ablation 対象の pipeline 構成要素に関する研究。 - 関連手法として LLM ensemble、LLM-based verifier、deterministic consistency filter、perception-to-text scene encoding に関する研究。 - 応用先として multi-robot disassembly や Electric Vehicle battery recycling に関する研究。