認知アーキテクチャ/LLM比較2026/3/1arXiv:2603.26730

認知ロボティクスが重要な理由：安全重視のロボットチームにおけるOntoAgentとLLM導入のHARMONICからの教訓

Why Cognitive Robotics Matters: Lessons from OntoAgent and LLM Deployment in HARMONIC for Safety-Critical Robot Teaming

認知アーキテクチャOntoAgentとLLMを同一ロボットシステムで比較し、LLMは知識状態の自己評価が不十分で診断推論や行動選択に失敗することを示し、安全重視のシステムでは認知アーキテクチャが主導すべきと論じた論文。

詳しい要約

1. どんなもの？

- 物理世界で長期的な計画を確実・決定論的・透明に実行する embodied AI agent のための認知ロボティクスアーキテクチャ HARMONIC を提案。 - HARMONIC は OntoAgent と modular reactive tactical layer を組み合わせる。 - OntoAgent は content-centric な認知アーキテクチャで、metacognitive self-monitoring、domain-grounded diagnosis、consequence-based action selection を ontologically structured knowledge 上で提供。 - 協調保守シナリオで LLM が OntoAgent の認知能力を再現できるか機能評価。

2. 先行研究と比べてどこがすごい？

- 従来の LLM ベース embodied agent と異なり、認知アーキテクチャ OntoAgent を主軸に据え、LLM を同一ロボットシステム内で同一条件で比較。 - frontier と efficient の6 LLM を native 条件と knowledge-equalized 条件で評価。 - LLM は行動前に自身の知識状態を一貫して評価できず、診断推論と行動選択で下流障害を起こすことを示す。 - この欠陥は手続き的知識を等しくしても持続し、知識ベースではなくアーキテクチャ的問題であると指摘。

3. 技術・手法の肝は？

- HARMONIC は OntoAgent と modular reactive tactical layer を分離したモジュール設計。 - OntoAgent は ontologically structured knowledge に基づく content-centric 認知アーキテクチャ。 - metacognitive self-monitoring で自己の知識状態を監視。 - domain-grounded diagnosis と consequence-based action selection を実行。 - LLM を OntoAgent の代替として組み込み、native と knowledge-equalized の2条件で比較。

4. どうやって有効だと検証した？

- 協調保守シナリオにおいて、6つの LLM（frontier と efficient の階層）を OntoAgent の代わりに同一ロボットシステム内で同一条件で評価。 - native 条件と knowledge-equalized 条件で比較。 - 結果、LLM は行動前に知識状態を一貫して評価できず、診断推論と行動選択で下流障害が発生。 - 知識を等しくしても欠陥が持続し、アーキテクチャ的問題であることを確認。

5. 議論はある？

- LLM は知識状態の自己評価が不十分で、診断推論と行動選択に失敗する。 - この欠陥は手続き的知識の等価化では解消されず、アーキテクチャに起因する。 - したがって、物理的に embodied なシステムでは、決定論的で透明な特性を持つ認知アーキテクチャが推論の主要な権限を保持すべきと主張。 - 安全クリティカルなロボットチーミングにおける LLM の限界を示唆。

6. 次に読むべき論文は？

- OntoAgent の原論文（content-centric cognitive architecture に関する研究）。 - LLM を embodied agent に応用した研究（例：SayCan, PaLM-E など）。 - 安全クリティカルなロボットチーミングや協調保守に関する研究。 - 認知アーキテクチャと LLM の統合に関する研究（例：CLARA, Cognitive Architectures for Language Agents）。

※ 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: Sanjay Oruganti, Sergei Nirenburg, Marjorie McShane, Jesse English, Michael Roberts, Christian Arndt, Ramviyas Parasuraman, Luis Sentis

分類: cs.RO

原文アブストラクト

Deploying embodied AI agents in the physical world demands cognitive capabilities for long-horizon planning that execute reliably, deterministically, and transparently. We present HARMONIC, a cognitive-robotic architecture that pairs OntoAgent, a content-centric cognitive architecture providing metacognitive self-monitoring, domain-grounded diagnosis, and consequence-based action selection over ontologically structured knowledge, with a modular reactive tactical layer. HARMONIC's modular design enables a functional evaluation of whether LLMs can replicate OntoAgent's cognitive capabilities, evaluated within the same robotic system under identical conditions. Six LLMs spanning frontier and efficient tiers replace OntoAgent in a collaborative maintenance scenario under native and knowledge-equalized conditions. Results reveal that LLMs do not consistently assess their own knowledge state before acting, causing downstream failures in diagnostic reasoning and action selection. These deficits persist even with equivalent procedural knowledge, indicating the issues are architectural rather than knowledge-based. These findings support the design of physically embodied systems in which cognitive architectures retain primary authority for reasoning, owing to their deterministic and transparent characteristics.

arXivで原文を読む →arXiv概要ページ

← 論文一覧