ロボット制御のためのエージェントAI：柔軟だが依然として脆い

- 生成モデルの常識をロボット制御に活用する研究。 - 推論可能な言語モデルがロボットスキルを選択・実行するエージェント制御システム。 - 反復的なplannerとexecutorのループでタスクを計画・実行。 - 2つの物理ロボットプラットフォームに展開： - 屋内移動マニピュレーション（Mobipick）での卓上把持、配置、箱挿入。 - 自律農業ナビゲーションとセンシング（Valdemar）。 - 両設定で不確実性、部分観測、センサノイズ、曖昧な自然言語コマンドを含む。

- 先行研究と比べて、生成モデルの能力と常識をロボット制御に活用する点は同様。 - 本論文のシステムは、計画と実行の反復ループ、構造化された内省、イベントチェック、オペレータ介入を特徴とする。 - 異なるロボットとタスク領域への転移がシステムプロンプトの更新とツールインターフェースの再バインドでほぼ可能。 - ただし、実証実験では非決定論的な準最適行動、指示追従エラー、プロンプト仕様への高い感度など脆弱性が顕著。

- 推論可能な言語モデルがplannerとして機能し、ロボットスキルを選択・実行。 - executorがスキルを呼び出し、反復ループでタスクを進める。 - 計画と決定プロセスの構造化された内省を提供。 - 明示的なイベントチェックにより外生イベントに反応。 - オペレータ介入が進行中の実行を修正・リダイレクト可能。 - 異なるロボットへの転移はシステムプロンプト（ドメインモデル、アフォーダンス、アクションカタログ）の更新とツールインターフェースの再バインドで対応。

- 2つの物理ロボットプラットフォーム（MobipickとValdemar）で概念実証実験を実施。 - 屋内移動マニピュレーション：卓上把持、配置、箱挿入。 - 自律農業ナビゲーションとセンシング。 - 両設定で不確実性、部分観測、センサノイズ、曖昧な自然言語コマンドを含む。 - 結果として、非決定論的な準最適行動、指示追従エラー、プロンプト仕様への高い感度など脆弱性を確認。

- システムは柔軟性がある一方で、実証実験で substantial fragility が明らかになった。 - 具体的には、非決定論的な準最適行動、指示追従エラー、プロンプト仕様への高い感度。 - 異なるロボットとタスク領域への転移は比較的容易だが、性能の脆弱性が課題。 - 要旨からは、これらの脆弱性の原因や改善策についての詳細な議論は不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、生成モデルをロボット制御に活用する研究（例：Language Models as Zero-Shot Planners, SayCan, Inner Monologue など）が挙げられる。 - また、エージェント制御やプランナー・エグゼキュータループに関する研究も参考になる。