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/LLMarXiv:2603.02669

IMR-LLM: 大規模言語モデルを用いた産業用マルチロボットタスク計画とプログラム生成

IMR-LLM: Industrial Multi-Robot Task Planning and Program Generation using Large Language Models

シェア:XThreadsFacebookLINEはてブBluesky

産業用マルチロボットの複雑なタスクを、LLMと決定的解法を組み合わせて計画し、プロセスツリーで低レベルプログラムを生成するフレームワークを提案。専用ベンチマークで既存手法を上回る性能を示した。

詳しい要約

1. どんなもの?

- 産業用マルチロボットのタスク計画とプログラム生成をLLMで行うフレームワーク「IMR-LLM」を提案。 - 複雑な製造タスクにおける厳しい順序制約と依存関係に対応。 - 高レベル計画と低レベルプログラム生成を統合。 - ベンチマーク「IMR-Bench」を新たに構築。

2. 先行研究と比べてどこがすごい?

- 従来のLLMは家庭用・操作タスク向けで、産業の厳しい制約に未対応。 - 産業向けの順序制約と依存関係を扱う点で新規性。 - 決定論的解法とLLMを組み合わせ、効率的な計画を実現。 - 既存手法を全評価指標で大幅に上回る性能を達成。

3. 技術・手法の肝は?

- LLMを活用してdisjunctive graphを構築。 - 決定論的解法で実行可能で効率的な高レベルタスク計画を取得。 - process treeを用いてLLMに実行可能な低レベルプログラムを生成させる。 - 高レベル計画と低レベル生成を連携させるアーキテクチャ。

4. どうやって有効だと検証した?

- 新規ベンチマーク「IMR-Bench」を構築。 - 3段階の複雑さを持つマルチロボット産業タスクを収録。 - 実験結果で既存手法を全評価指標で大幅に上回ることを確認。 - 有効性を定量的に検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、LLMベースのタスク計画(例:SayCan、Code as Policies)やマルチロボット計画(例:MAPL)が関連。

※ 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: Xiangyu Su, Juzhan Xu, Oliver van Kaick, Kai Xu, Ruizhen Hu

分類: cs.RO

原文アブストラクト

In modern industrial production, multiple robots often collaborate to complete complex manufacturing tasks. Large language models (LLMs), with their strong reasoning capabilities, have shown potential in coordinating robots for simple household and manipulation tasks. However, in industrial scenarios, stricter sequential constraints and more complex dependencies within tasks present new challenges for LLMs. To address this, we propose IMR-LLM, a novel LLM-driven Industrial Multi-Robot task planning and program generation framework. Specifically, we utilize LLMs to assist in constructing disjunctive graphs and employ deterministic solving methods to obtain a feasible and efficient high-level task plan. Based on this, we use a process tree to guide LLMs to generate executable low-level programs. Additionally, we create IMR-Bench, a challenging benchmark that encompasses multi-robot industrial tasks across three levels of complexity. Experimental results indicate that our method significantly surpasses existing methods across all evaluation metrics.

  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI