日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

タスク計画arXiv:2602.12244

どんな家でもどんなタスクでも:抽象的ヒューマンタスクのためのスケーラブルな長期計画

Any House Any Task: Scalable Long-Horizon Planning for Abstract Human Tasks

シェア:XThreadsFacebookLINEはてブBluesky

大規模家庭環境での曖昧な指示に対応するため、LLMで指示とシーングラフをPDDLサブゴールに変換し、記号推論で長期計画を生成する手法AHATを提案。中間推論の外部修正をGRPOに統合したTGPOで性能を向上。

詳しい要約

1. どんなもの?

- 大規模家庭環境で曖昧な人間指示を受けて長期タスク計画を行う手法 AHAT を提案 - LLM が指示と textual scene graph を PDDL の grounded subgoal に変換 - その subgoal を記号的推論で解き、実行可能で最適な長期計画を生成 - 複雑で曖昧な意図の分解能力を高めるため、新 RL アルゴリズム TGPO を導入

2. 先行研究と比べてどこがすごい?

- 従来の LLM の prompting や training による計画は、環境規模・計画長・指示曖昧性・制約複雑性の増大で性能が急落 - AHAT は大規模環境での長期計画と曖昧な人間指示に最適化 - 実験で state-of-the-art の prompting・planning・learning 手法を大きく上回る - 特に短い指示ながら複雑な実行計画を要する人間風家庭タスクで顕著

3. 技術・手法の肝は?

- LLM を訓練し、タスク指示と textual scene graph を PDDL の grounded subgoal に写像 - 得られた subgoal を明示的記号推論で解き、実行可能かつ最適な長期計画を生成 - TGPO は GRPO に中間推論トレースの外部修正を統合した新 RL アルゴリズム - これにより複雑・曖昧な意図の分解能力を強化

4. どうやって有効だと検証した?

- 実験により AHAT が state-of-the-art の prompting・planning・learning 手法より大幅な性能向上を達成 - 特に短い指示で複雑な実行計画を要する人間風家庭タスクで有効 - 具体的なデータセット名・評価指標・ベースライン名は要旨からは不明

5. 議論はある?

- 大規模環境・長期計画・曖昧指示・制約複雑性に対する scalability が中心的課題 - AHAT は記号推論と LLM を組み合わせてこの課題に対処 - 限界・失敗事例・計算コスト・安全性などの議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な研究名は不明 - 関連手法として GRPO、PPO 系 RL、LLM prompting、PDDL ベース planning、textual scene graph を挙げる - 同分野の定番として LLM-based task planning、symbolic planning、household robotics の文献を読むとよい

※ 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: Zhihong Liu, Yang Li, Rengming Huang, Cewu Lu, Panpan Cai

分類: cs.RO

原文アブストラクト

Open world language conditioned task planning is crucial for robots operating in large-scale household environments. While many recent works attempt to address this problem using Large Language Models (LLMs) via prompting or training, a key challenge remains scalability. Performance often degrades rapidly with increasing environment size, plan length, instruction ambiguity, and constraint complexity. In this work, we propose Any House Any Task (AHAT), a household task planner optimized for long-horizon planning in large environments given ambiguous human instructions. At its core, AHAT utilizes an LLM trained to map task instructions and textual scene graphs into grounded subgoals defined in the Planning Domain Definition Language (PDDL). These subgoals are subsequently solved to generate feasible and optimal long-horizon plans through explicit symbolic reasoning. To enhance the model's ability to decompose complex and ambiguous intentions, we introduce TGPO, a novel reinforcement learning algorithm that integrates external correction of intermediate reasoning traces into Group Relative Policy Optimization (GRPO). Experiments demonstrate that AHAT achieves significant performance gains over state-of-the-art prompting, planning, and learning methods, particularly in human-style household tasks characterized by brief instructions but requiring complex execution plans.

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. 2GXO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
  3. 3newmo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
  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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI