LLMと時相論理の融合による複雑シナリオでの信頼性の高い人間-群ロボット協調

- 複雑・危険環境での人間-群ロボット協調のための長期タスク計画フレームワーク。 - LLMの推論と時間論理の検証可能な計画を融合したneuro-symbolic手法。 - ミッション目標と運用ルールをtemporal logicで形式化し、許容タスク順序をtask automataで表現。 - 知覚文脈に基づきLLMが実行可能なサブタスク列を生成。 - 不確実性対応スケジューラが異種群に割当て並列性を最大化。 - イベント駆動型対話プロトコルでオペレータの関与を高レベル確認に限定。

- 既存のLLMベース計画ツールは計画生成を支援するが、無効なタスク順序や実行不可能なロボット行動を生じ、頻繁な手動調整を要した。 - 本研究は検証可能なタスク計画と文脈接地型LLM推論を緊密に融合し、形式的制約下で実行可能なサブタスク列を生成。 - 不確実性対応スケジューラとイベント駆動型対話により、動的環境での信頼性と低オーバーヘッドを実現。 - 異種ロボット群への展開でハードウェア固有の不確実性に頑健。

- ミッション目標と運用ルールをtemporal logic式で形式化。 - 許容タスク順序をtask automataとして表現。 - これらの形式的制約とライブ知覚文脈を条件として、LLMがミッションルールを満たし現在シーンに接地した実行可能サブタスク列を生成。 - 不確実性対応スケジューラが異種群にサブタスクを割当て、並列性を最大化しつつ混乱に耐性。 - イベントトリガー型対話プロトコルでオペレータの関与を疎で高レベルの確認とガイダンスに限定。

- 異種ロボット群への展開により、同様の結果が得られ、ハードウェア固有のアクチュエーションと通信の不確実性に頑健であることを示した。 - 具体的な評価指標や実験設定は要旨からは不明。

- 長期ミッションにおける動的シナリオでの信頼性維持の難しさ、新規イベントや変化する条件への継続的適応、オペレータの認知負荷の高さが背景として議論。 - 既存LLM計画の無効順序や実行不可能行動の問題を指摘。 - 本研究の枠組みが形式的でスケーラブルなパラダイムを支持すると主張。 - 限界や今後の課題についての具体的議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、LLM-based planning、temporal logic planning、task automata、neuro-symbolic AI、human-swarm interaction、uncertainty-aware scheduling に関する論文が次に読むべき候補。