日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット計画arXiv:2610.17326

不確実性下での長期的ロボット計画の評価

Evaluating Long-Horizon Robot Planning under Uncertainty

シェア:XThreadsFacebookLINEはてブBluesky

家庭用ロボットの長期的タスクにおける不確実性への対処を評価するベンチマークを提案し、ReActやVLM-TAMPなどの計画手法を比較した。

詳しい要約

1. どんなもの?

- 家庭用ロボットの不確実性下での長期計画を評価するベンチマークを提案。 - Habitat上で7つの長期家事タスクを用意し、初期ロボットメモリと環境設定を変化させる。 - ReAct、VLM-TAMP、Tru-POMDPの適応版を共通実行フレームワークで評価。 - 90のタスク・環境・メモリ組み合わせ、計1,350エピソードを実施。 - タスク成功率、部分完了率、行動効率、実行トレースのルールベース分析を測定。

2. 先行研究と比べてどこがすごい?

- 従来の長期計画ベンチマークと比べ、初期メモリと環境の不確実性を体系的に変化させる点が新しい。 - 複数のプランナ(ReAct、VLM-TAMP、Tru-POMDP)を同一フレームワークで比較し、不確実性への応答と初期知識の利用の違いを明らかにする。 - 単なる成功率だけでなく、部分完了や行動効率、トレース分析も含む多面的評価を提供。

3. 技術・手法の肝は?

- Habitat上に7つの長期家事タスクを実装し、初期ロボットメモリと環境設定を変化させるベンチマークを構築。 - ReAct、VLM-TAMP、Tru-POMDPを共通実行フレームワークに適応させ、90の組み合わせで1,350エピソードを実行。 - 評価指標はタスク成功率、部分完了率、行動効率。 - 実行トレースをルールベースで分析し、配置エラー、前提条件エラー、冗長行動を特定。

4. どうやって有効だと検証した?

- 90のタスク・環境・メモリ組み合わせで1,350エピソードを実行し、各プランナの性能を定量評価。 - ReActが全体タスク成功率45.3%、完了率71.7%で最高。 - 初期メモリが正確でも必ずしも最高性能にならないことを示す。 - トレース分析により、配置エラー、前提条件エラー、冗長行動を特定。

5. 議論はある?

- 初期メモリの正確さが常に高性能につながるわけではない。 - プランナ間で初期知識の利用と不確実性への応答に違いがある。 - 繰り返し発生する配置エラー、前提条件エラー、冗長行動が課題として浮上。 - これらの知見は、不確実性下での長期計画の改善に示唆を与える。

6. 次に読むべき論文は?

- ReAct: Synergizing Reasoning and Acting in Language Models - VLM-TAMP: 視覚言語モデルとタスク・アンド・モーション・プランニングの統合に関する研究 - Tru-POMDP: 不確実性下での信念空間計画に関する研究 - Habitat: embodied AI シミュレータ - 長期計画ベンチマーク: ALFRED, ALFWorld など

※ 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: Harsh Muriki, Gayathri Aravindan, Yuchen Zheng, Sonia Chernova

分類: cs.RO

原文アブストラクト

Household robots must successfully navigate im-perfect circumstances, both in their internal models and the external world. We introduce a benchmark of seven long-horizon household tasks in Habitat that vary initial robot memory and environment configurations. We evaluate adaptations of ReAct, VLM-TAMP, and Tru-POMDP within a shared execution framework across 90 tasks-environment-memory combinations, totaling 1,350 episodes. Our evaluation measures task success, partial completion, and action efficiency, along with rule-based analysis of execution traces. ReAct achieves the highest overall task success (45.3%) and completion (71.7%), while having accurate initial memory does not consistently yield the highest performance for every planner. We identify recurring placement errors, precondition errors, and redundant actions through trace analysis. These findings highlight differences in how the evaluated planners use initial knowledge and respond to uncertainty.

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