日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

タスク計画arXiv:2608.07905

GraphThink: グラフ強化LLM思考による長期的身体性タスク計画

GraphThink: Graph-Enhanced LLM Thinking for Long-Horizon Embodied Task Planning

シェア:XThreadsFacebookLINEはてブBluesky

LLMベースの身体性エージェントの計画における幻覚や長期タスクへの汎化不足を解決するため、タスクグラフとシーングラフを統合したフレームワークを提案。ALFREDベンチマークで最先端性能を達成した。

詳しい要約

1. どんなもの?

GraphThinkは、LLMベースのembodied agentのタスク計画を改善するためのフレームワークである。タスクグラフとシーングラフを統合し、構造化された知識と環境記憶を提供する。タスクグラフは文脈プロンプトと反復的改良を通じてLLMの思考を導き、計画の幻覚を軽減する。シーングラフはイベント駆動の再計画モジュールを支え、閉ループの環境認識とエラー修正を可能にする。ALFREDベンチマークで最先端の性能を達成し、特に高レベルプランナーは検証セットと未見の長期的タスクで主要なAPIベースLLMを上回る。

2. 先行研究と比べてどこがすごい?

従来のLLMベースのプランナーは、物理的幻覚、長期的タスクへの一般化の低さ、環境認識の欠如に悩まされていた。GraphThinkは、タスクグラフによる構造化知識とシーングラフによる環境記憶を導入することで、これらの問題に対処する。特に、GRPOフレームワーク内でタスクグラフを利用した報酬設計により、LLMプランナーの長期的計画能力と一般化を向上させる点が新しい。また、イベント駆動の再計画モジュールにより、環境の変化に適応できる点も先行研究と異なる。

3. 技術・手法の肝は?

手法の核は、タスクグラフとシーングラフの統合である。タスクグラフは、タスクのサブゴールと依存関係を構造化し、文脈プロンプトと反復的改良を通じてLLMの思考を導く。GRPOフレームワーク内では、タスクグラフに基づく報酬設計を行い、LLMプランナーを訓練する。シーングラフは環境の状態を維持し、イベント駆動の再計画モジュールを駆動して、エラーを検出し修正する。これにより、閉ループの環境認識と適応的な計画が可能になる。

4. どうやって有効だと検証した?

ALFREDベンチマークで評価し、最先端の性能を達成した。高レベルプランナーは、検証セットと未見の長期的タスクにおいて、主要なAPIベースLLMを上回り、ゼロショットおよび少数ショットの能力を示した。さらに、新規タスクと環境に対するout-of-distribution一般化の評価も行い、強い性能を確認した。

5. 議論はある?

要旨からは、議論の詳細は不明である。ただし、提案手法がLLMの幻覚を軽減し、長期的計画と一般化を改善する一方で、タスクグラフとシーングラフの構築コストや、複雑な環境でのスケーラビリティに関する潜在的な課題が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている研究は、ALFREDベンチマーク、GRPOフレームワーク、APIベースLLM(例:GPT-4など)である。次に読むべき論文としては、ALFREDベンチマークの元論文、GRPO(Group Relative Policy Optimization)の論文、およびLLMベースのembodied planningの関連研究(例:ReAct、SayCanなど)が挙げられる。

※ 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: Chen Li, Sijie Cheng, Yuelin Zhang, Junxi Li, Maozhi Huang, Yang Liu, Wenbing Huang

分類: cs.AI, cs.RO

原文アブストラクト

Embodied agents using LLM-based planners often struggle with physical hallucinations, poor generalization to long-horizon tasks, and lack of environmental awareness. We propose GraphThink, a novel framework that integrates a task graph to provide structured knowledge for robust planning and a scene graph to maintain environmental memory for event-driven replanning. Specifically, the task graph guides LLM thinking through contextual prompting and iterative refinement, effectively mitigating planning hallucinations. Furthermore, within the GRPO framework, the task graph offers delicate reward design to train the LLM planner, enhancing long-horizon planning capabilities and improving generalization. Finally, an event-driven replanning module, powered by the scene graph, enables closed-loop environment awareness and error correction. GraphThink achieves state-of-the-art performance on the ALFRED benchmark. In particular, our high-level planner surpasses leading API-based LLMs on both the validation set and held-out long-horizon tasks, underscoring its robust zero-shot and few-shot capabilities. Additional evaluations further demonstrate strong out-of-distribution generalization to novel tasks and environments.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXO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
  3. 3newmo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
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI