身体化指示追従2026/5/1arXiv:2605.25851

RePlan-Bot: 身体化指示追従のためのマルチレベル再計画

RePlan-Bot: Multi-Level Replanning for Embodied Instruction Following

長期的な計画と不可逆な状態変化に対応するため、高レベル監査、常識検索、低レベル修正を統合した再計画エージェントを提案し、ALFREDベンチマークで最高性能を達成した。

詳しい要約

1. どんなもの？

- Embodied instruction following (EIF) を対象とした新しいエージェント RePlan-Bot を提案。 - 長期的な計画と不可逆な状態変化への対応が課題。 - タスク実行中に多段階の継続的な再計画を行う。 - ALFRED benchmark で評価。

2. 先行研究と比べてどこがすごい？

- 既存手法は長期的計画や不可逆な状態変化の処理に失敗し、成功率が低い。 - RePlan-Bot は多段階の継続的再計画により、seen/unseen 環境で state-of-the-art を達成。 - 適応性と信頼性が向上。

3. 技術・手法の肝は？

- 高レベル LLM-based auditor による動的サブゴール調整（環境フィードバックに基づく）。 - 多層インスタンスマップに基づく常識誘導探索による正確な物体位置特定。 - 軽量 ViT-based corrector による危険な低レベル行動の予防的修正。

4. どうやって有効だと検証した？

- ALFRED benchmark で評価。 - seen 環境と unseen 環境の両方で state-of-the-art 性能を達成。 - 適応性と信頼性の優位性を実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- ALFRED benchmark に関する研究。 - LLM-based planning や ViT-based action correction の関連手法。 - 具体的な論文名は要旨からは不明。

※ 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: Xicheng Gong, Guozheng Sun, Peiran Xu, Yadong Mu

分類: cs.RO

原文アブストラクト

Embodied instruction following (EIF) requires agents to understand and execute complex natural language commands within interactive 3D environments. Despite recent advances, existing methods often fail in long-horizon planning and handling irreversible state changes, resulting in low task success rates. To address these challenges, we introduce RePlan-Bot, a novel EIF agent that performs multi-level, continuous replanning throughout task execution. RePlan-Bot integrates a high-level LLM-based auditor for dynamic sub-goal adjustments guided by environmental feedback, a commonsense-guided search mechanism based on a multi-layered instance map for precise and structured object localization, and a lightweight ViT-based corrector to preemptively fix risky low-level actions. Evaluated on the ALFRED benchmark, RePlan-Bot achieves state-of-the-art performance in both seen and unseen environments, demonstrating superior adaptability and reliability.

arXivで原文を読む →arXiv概要ページ

← 論文一覧