日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

知識グラフ/LLMarXiv:2606.09134

USDシーンから知識グラフへ:LLMによるゼロショットオントロジー接地

From USD Scenes to Knowledge Graphs: Zero-Shot Ontology Grounding with LLMs

シェア:XThreadsFacebookLINEはてブBluesky

3Dシミュレーションシーンから知識グラフを構築する際の物体とオントロジークラスの対応付けを、大規模言語モデルを用いてゼロショットで自動化する手法を提案・評価した論文。

詳しい要約

1. どんなもの?

- 3Dシミュレーションシーンから知識グラフを構築する際の、シーンオブジェクトを形式オントロジークラスに接地するステップを、LLMで自動化する研究。 - Universal Scene Description (USD) シーンを対象に、ゼロショット・訓練不要で接地を行う。 - キッチンシーン(125オブジェクト)とSOMA-HOME Ontologyを用いて評価。

2. 先行研究と比べてどこがすごい?

- 従来は手動でキュレーションされた辞書に依存し、脆く資産間で一般化しない。 - LLMは記述的な名前で90-96%の完全一致精度、略称で49-89%を達成し、辞書および埋め込みベースラインを大幅に上回る。 - 完全に不透明な名前でも、コンテキスト拡張プロンプトで最大48%を回復。

3. 技術・手法の肝は?

- LLMをゼロショット・訓練不要でオントロジー接地に適用。 - シーングラフの意味的手がかり(兄弟ノード名や親パス)を活用。 - コンテキスト拡張プロンプトにより、不透明な名前でも精度を向上。 - 特徴量アブレーションで、意味的手がかりの匿名化が精度を0-6%に低下させ、幾何情報のみでは4-17%にとどまることを示す。

4. どうやって有効だと検証した?

- キッチンシーン(125オブジェクト)とSOMA-HOME Ontologyを使用。 - 記述的名前、略称、不透明名の条件下で精度を評価。 - 辞書ベースラインおよび埋め込みベースラインと比較。 - 特徴量アブレーションを実施し、意味的手がかりの重要性を検証。

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:手動キュレーション辞書、埋め込みベースライン、SOMA-HOME Ontology。 - 同分野の定番:知識グラフ構築、オントロジー接地、USDシーン。

※ 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: Jiangtao Shuai, Zongxiong Chen, Manfred Hauswirth, Sonja Schimmler

分類: cs.RO, cs.AI, cs.CL, cs.CV, cs.GR

原文アブストラクト

Constructing knowledge graphs from 3D simulation scenes is essential for robot task reasoning, but the key bottleneck, grounding scene objects to formal ontology classes, still relies on manually curated dictionaries that are brittle and do not generalize across assets. We investigate whether large language models (LLMs) can automate this grounding step for Universal Scene Description (USD) scenes as a zero-shot, training-free alternative. On a kitchen scene (125 objects) with SOMA-HOME Ontology, LLMs achieve 90-96% exact-match accuracy with descriptive names and 49-89% with abbreviated names, substantially outperforming dictionary and embedding baselines. Under fully opaque names, context-augmented prompting recovers up to 48%. Feature ablation reveals that LLMs primarily exploit semantic cues in the scene graph (sibling names and parent paths); anonymizing these cues reduces accuracy to 0-6%, while geometry alone yields only 4-17%.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXO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

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI