日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

計画/強化学習arXiv:2603.11351

ハイブリッドLLM-シンボリック計画とLLM誘導強化学習による新規性適応

Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

動的環境で新規オブジェクトに遭遇したロボットが、LLMの常識推論で欠落オペレータを特定し、シンボリックプランナーで計画を立て、LLMが報酬関数を設計して強化学習で制御ポリシーを学習する神経シンボリックアーキテクチャを提案。連続ロボット領域でのオペレータ発見と学習で最先端を上回る性能を示した。

詳しい要約

1. どんなもの?

- 動的でオープンな環境で自律エージェントが新規物体に遭遇した際の計画立案と制御を可能にする neuro-symbolic アーキテクチャを提案。 - 記号計画、強化学習、大規模言語モデル (LLM) を統合し、新規物体を扱うための演算子を学習。 - LLM の常識推論を活用して欠落した演算子を特定し、記号計画で計画を生成、報酬関数を書いて強化学習エージェントを導く。

2. 先行研究と比べてどこがすごい?

- 従来の記号計画器は計画ドメインに新規物体と適切に相互作用する演算子がないと計画を生成できない。 - 提案手法は演算子発見と連続ロボティクス領域での演算子学習において最先端手法を上回る。 - 具体的な比較対象や改善幅は要旨からは不明。

3. 技術・手法の肝は?

- neuro-symbolic アーキテクチャで記号計画、強化学習、LLM を統合。 - LLM の常識推論能力を利用して欠落演算子を特定。 - 記号 AI 計画器で計画を生成し、新規演算子の制御ポリシーを学習するための報酬関数を LLM が作成。 - 強化学習エージェントがその報酬関数を用いて制御ポリシーを学習。

4. どうやって有効だと検証した?

- 演算子発見と連続ロボティクス領域での演算子学習において最先端手法を上回る性能を示した。 - 具体的な実験設定、評価指標、ベースラインは要旨からは不明。

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や関連手法は明示されていない。 - 同分野の定番として neuro-symbolic planning、LLM-guided reinforcement learning、operator discovery に関する論文が挙げられる。

※ 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: Hong Lu, Pierrick Lorang, Timothy R. Duggan, Jivko Sinapov, Matthias Scheutz

分類: cs.RO, cs.AI

原文アブストラクト

In dynamic open-world environments, autonomous agents often encounter novelties that hinder their ability to find plans to achieve their goals. Specifically, traditional symbolic planners fail to generate plans when the robot's planning domain lacks the operators that enable it to interact appropriately with novel objects in the environment. We propose a neuro-symbolic architecture that integrates symbolic planning, reinforcement learning, and a large language model (LLM) to learn how to handle novel objects. In particular, we leverage the common sense reasoning capability of the LLM to identify missing operators, generate plans with the symbolic AI planner, and write reward functions to guide the reinforcement learning agent in learning control policies for newly identified operators. Our method outperforms the state-of-the-art methods in operator discovery as well as operator learning in continuous robotic domains.

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

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