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:2602.21595

SPOC: 部分観測と物理制約下での安全を考慮した計画

SPOC: Safety-Aware Planning Under Partial Observability And Physical Constraints

シェア:XThreadsFacebookLINEはてブBluesky

部分観測や物理制約を考慮しつつ家庭内の危険を避ける安全志向の embodied タスク計画ベンチマーク SPOC を提案し、既存 LLM が安全な計画に苦戦することを示した。

詳しい要約

1. どんなもの?

- SPOCは、embodied task planningにおける安全性を評価するbenchmark - 部分的観測(partial observability)と物理的制約(physical constraints)を厳密に統合 - 家庭内の危険(fire, fluid, injury, object damage, pollution)を網羅 - step-by-step planningとgoal-condition-based evaluationを採用 - stateおよびconstraint-based online metricsで評価 - コードとデータセットはGitHubで公開

2. 先行研究と比べてどこがすごい?

- 既存benchmarkは部分的観測や物理的制約を軽視 - そのためfeasibilityとsafetyの両方を評価できなかった - SPOCはこれらを厳密に統合し、安全性を重視した評価を可能に - 多様な家庭内危険をカバーし、より現実的な評価を実現 - 暗黙的制約下での安全性評価に焦点

3. 技術・手法の肝は?

- 厳密なpartial observabilityを導入 - physical constraintsを組み込んだplanning - step-by-step planningを要求 - goal-condition-based evaluationを採用 - state-basedとconstraint-basedのonline metricsを設計 - 多様なhousehold hazardsをbenchmarkに含める

4. どうやって有効だと検証した?

- state-of-the-art LLMsを用いた実験を実施 - 現行モデルがsafety-aware planningを確保するのに苦戦することを示す - 特にimplicit constraints下での困難を明らかにする - stateおよびconstraint-based online metricsで評価 - 実験によりbenchmarkの有効性を検証

5. 議論はある?

- 現行LLMsは安全性を保証する計画が困難 - 特に暗黙的制約下での失敗が顕著 - 部分的観測と物理的制約の重要性を強調 - 既存benchmarkの限界を指摘 - 今後の安全性研究の必要性を示唆

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない - 同分野の定番としてembodied task planning with LLMs - 関連手法としてpartial observability下のplanning - physical constraintsを考慮したplanning - safety-aware planningの研究が挙げられる

※ 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: Hyungmin Kim, Hobeom Jeon, Dohyung Kim, Minsu Jang, Jeahong Kim

分類: cs.RO

原文アブストラクト

Embodied Task Planning with large language models faces safety challenges in real-world environments, where partial observability and physical constraints must be respected. Existing benchmarks often overlook these critical factors, limiting their ability to evaluate both feasibility and safety. We introduce SPOC, a benchmark for safety-aware embodied task planning, which integrates strict partial observability, physical constraints, step-by-step planning, and goal-condition-based evaluation. Covering diverse household hazards such as fire, fluid, injury, object damage, and pollution, SPOC enables rigorous assessment through both state and constraint-based online metrics. Experiments with state-of-the-art LLMs reveal that current models struggle to ensure safety-aware planning, particularly under implicit constraints. Code and dataset are available at https://github.com/khm159/SPOC

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