タスク割り当て/スキル予測2026/5/1arXiv:2605.21242

選ぶか選ばないか、それが問題だ：ロボットスキル予測の小規模アンサンブルへの蒸留

To Select or not to Select, that is the Question: Distilling Robot Skill Prediction into a Small Ensemble

自然言語のタスク記述から必要なロボットの物理能力（飛行、車輪、脚など）を予測するモデルを、LLM生成の合成データで訓練した小規模アンサンブルが、巨大な汎用LLMを上回る精度を達成したことを示した論文。

詳しい要約

1. どんなもの？

- ロボットスキル予測（自然言語タスク→必要物理能力のマッピング）を扱う研究 - 対象能力は fly, wheels, legs, surface water, under water, hands など - 異種ロボット fleet（humanoids, rovers, quadrupeds, drones）のタスク割当が背景 - ラベル付きデータが存在しないため、LLM支援生成とラベル監査で合成データセットを構築 - 約133Mパラメータの2つのfine-tuned sentence encoder（mpnet + MiniLM）のensembleを学習

2. 先行研究と比べてどこがすごい？

- 従来は大規模汎用LLMによるzero-shot推論が主流だが、本手法は小規模特化モデルで上回る - 同一zero-shot prompt条件下で、Kimi K2（1T MoE）72.0%、GPT-OSS-120B 71.5%、Llama-4-Scout-17B 69.0%に対し、本手法は83.5% - 固定されたrobot skill taxonomyに対しては、合成データで訓練した小型特化モデルがfleet-level task routingで有効と示唆 - ラベル付きデータが無い領域で合成データ構築手法を提示

3. 技術・手法の肝は？

- 自然言語タスク記述から物理能力へのマッピングを予測するrobot skill predictionを定式化 - LLM-assisted generationとtargeted label auditingにより合成task-to-skillデータセットを構築 - 2つのfine-tuned sentence encoder（mpnet + MiniLM）をensembleし、約133Mパラメータのモデルを訓練 - 評価はstratified 200 task dataset上でtask-to-skill matchingを測定

4. どうやって有効だと検証した？

- stratified 200 task datasetでtask-to-skill matchingを評価 - 本手法は83.5%を達成 - 比較対象のzero-shot性能：Kimi K2 72.0%、GPT-OSS-120B 71.5%、Llama-4-Scout-17B 69.0% - 同一zero-shot prompt条件下での比較により有効性を検証

5. 議論はある？

- 固定robot skill taxonomiesに対しては、合成データで訓練した小型特化モデルが大規模汎用LLMを上回る可能性を示唆 - fleet-level task routingへの応用可能性に言及 - 合成データの品質やラベル監査の詳細、汎化性、taxonomy変更時の挙動については要旨からは不明 - 限界や倫理的影響についての議論は要旨からは不明

6. 次に読むべき論文は？

- Kimi K2（1T MoE） - GPT-OSS-120B - Llama-4-Scout-17B - mpnet - MiniLM - 関連手法としてLLM-assisted synthetic data generation、sentence encoder fine-tuning、ensemble learning

※ 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: Haechan Mark Bong, Simon Roy, Euhid Aman, Giovanni Beltrame

分類: cs.RO

原文アブストラクト

As robot fleets become more heterogeneous, including humanoids, rovers, quadrupeds, and drones, selecting the right robot for a task becomes a core systems problem. We study robot skill prediction: mapping a natural-language task description to the physical capabilities required to execute it, such as fly, wheels, legs, surface water, under water and hands. Since labelled data that maps natural-language task descriptions to robot's physical capabilities does not exist, we construct a synthetic task-to-skill dataset using LLM-assisted generation and targeted label auditing. Trained on this data, a ~133M-parameter ensemble of two fine-tuned sentence encoders (mpnet + MiniLM) reaches 83.5% task-to-skill matching on a stratified 200 task dataset, outperforming Kimi K2 (1T MoE) at 72.0%, GPT-OSS-120B at 71.5%, and Llama-4-Scout-17B at 69.0% under the same zero-shot prompt. These results suggest that, for fixed robot skill taxonomies, small specialized models trained on synthetic data can outperform much larger general-purpose LLMs for fleet-level task routing.

arXivで原文を読む →arXiv概要ページ

← 論文一覧