日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2510.21302

信頼できるCode-as-Policiesに向けて:身体性タスク計画のためのニューロシンボリックフレームワーク

Towards Reliable Code-as-Policies: A Neuro-Symbolic Framework for Embodied Task Planning

シェア:XThreadsFacebookLINEはてブBluesky

LLMによるコード生成型タスク計画に記号的検証と環境との対話的検証を組み込み、動的・部分観測環境でのタスク成功率と信頼性を向上させた。

詳しい要約

1. どんなもの?

- LLM を用いた embodied agent 向けの code-as-policies 生成フレームワーク - 記号的検証 (symbolic verification) と対話的検証 (interactive validation) を統合した neuro-symbolic 手法 - 動的・部分観測環境でのタスク計画の信頼性向上を狙う - 対象タスクは embodied task planning - 評価は RLBench と実世界環境

2. 先行研究と比べてどこがすごい?

- 既存の LLM-based code-as-policies は環境への grounding が限定的 - 動的・部分観測設定で誤った/不完全なコード生成により成功率が低下 - 提案手法はコード生成中に明示的な symbolic verification と interactive validation を導入 - これにより grounding を強化 - 結果として Code-as-Policies ベースライン比でタスク成功率 +46.2% - タスク関連行動の executability 86.8% 以上を達成

3. 技術・手法の肝は?

- neuro-symbolic な embodied task planning フレームワーク - コード生成時に明示的な symbolic verification を組み込む - interactive validation フェーズを設ける - validation フェーズでは exploratory code を生成 - 環境と能動的に相互作用し不足する観測を取得 - タスク関連状態を保持したまま探索 - この統合プロセスで生成コードの grounding を高める - 詳細な symbolic 表現や検証アルゴリズムは要旨からは不明

4. どうやって有効だと検証した?

- RLBench と実世界設定で評価 - 動的かつ部分観測なシナリオを対象 - Code-as-Policies ベースラインと比較 - タスク成功率が 46.2% 向上 - タスク関連行動の executability が 86.8% 以上 - これにより動的環境でのタスク計画の信頼性向上を示す

5. 議論はある?

- 動的・部分観測環境での grounding 不足という課題に対処 - symbolic verification と interactive validation の統合が有効と主張 - 成功率と executability の向上を報告 - 限界や失敗事例、計算コスト、スケーラビリティ等の議論は要旨からは不明

6. 次に読むべき論文は?

- Code-as-Policies (ベースラインとして比較) - LLM-based code-as-policies に関する先行研究 - neuro-symbolic な embodied task planning 関連手法 - RLBench を用いた embodied planning 研究

※ 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: Sanghyun Ahn, Wonje Choi, Junyong Lee, Jinwoo Park, Honguk Woo

分類: cs.AI, cs.RO

原文アブストラクト

Recent advances in large language models (LLMs) have enabled the automatic generation of executable code for task planning and control in embodied agents such as robots, demonstrating the potential of LLM-based embodied intelligence. However, these LLM-based code-as-policies approaches often suffer from limited environmental grounding, particularly in dynamic or partially observable settings, leading to suboptimal task success rates due to incorrect or incomplete code generation. In this work, we propose a neuro-symbolic embodied task planning framework that incorporates explicit symbolic verification and interactive validation processes during code generation. In the validation phase, the framework generates exploratory code that actively interacts with the environment to acquire missing observations while preserving task-relevant states. This integrated process enhances the grounding of generated code, resulting in improved task reliability and success rates in complex environments. We evaluate our framework on RLBench and in real-world settings across dynamic, partially observable scenarios. Experimental results demonstrate that our framework improves task success rates by 46.2% over Code-as-Policies baselines and attains over 86.8% executability of task-relevant actions, thereby enhancing the reliability of task planning in dynamic environments.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI