日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

言語指示→記号目標arXiv:2611.07825

生成してからランク付け:身体性エージェントのための記号的目標解釈の学習

Generate-then-Rank: Learning Symbolic Goal Interpretation for Embodied Agents

シェア:XThreadsFacebookLINEはてブBluesky

自然言語指示を計画可能な記号的目標に変換するため、LLMの微調整で候補を生成し、モデル自身の出力から好みを学習するランキング手法で最良候補を選ぶ二段階手法を提案した。

詳しい要約

1. どんなもの?

- 本論文は、embodied agent における Goal Interpretation(自然言語指示を planner が実行可能な形式的・記号的 goal に変換するタスク)を扱う。 - Embodied Agent Interface (EAI) を対象に、LLM を用いた二段階の generate-then-rank アプローチを提案する。 - 第一段階は supervised fine-tuning により LLM を EAI の出力規約に適応させ、第二段階で候補出力のランキングを行う。

2. 先行研究と比べてどこがすごい?

- 比較対象は simple prompting、chain-of-thought、knowledge graph ベースのアプローチを含む baseline モデル群。 - 提案手法はこれらの baseline を上回ったと報告されている。 - 単に候補を生成するだけでなく、モデル自身が生成した代替候補から完全な出力に対する選好を学習する点が特徴的。

3. 技術・手法の肝は?

- 第一段階で supervised fine-tuning により LLM を EAI の出力 convention に適応させる。 - 第二段階として Candidate-Output Ranking from Errors (CORE) を導入し、モデル自身が生成した代替候補間の選好を学習する。 - 生成と選択を分離した二段階パイプラインにより、候補生成と信頼性の高い選択の両立を狙う。

4. どうやって有効だと検証した?

- Embodied Agent Interface Benchmark の household scenes 上で実験を実施。 - DeepSeek-V3 chat、DeepSeek-Reasoner、Qwen2.5-7B、Qwen2.5-72B など複数の open source LLM を評価。 - simple prompting、chain-of-thought、knowledge graph ベースの baseline と比較し、提案手法の優位性を確認。

5. 議論はある?

- 要旨からは不明(限界や失敗事例、CORE の詳細な挙動に関する議論は要旨に記載なし)。 - 評価は EAI の household scenes に限定されており、他ドメインへの一般化については要旨からは不明。

6. 次に読むべき論文は?

- Embodied Agent Interface (EAI) およびその Benchmark に関する論文。 - 比較対象として言及された chain-of-thought を用いる LLM 推論手法。 - knowledge graph ベースの goal interpretation アプローチ。 - 候補生成とランキングを組み合わせる generate-then-rank 系の手法(CORE の関連研究)。

※ 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: Jisen Lei, Huizhi Liang

分類: cs.AI, cs.CL, cs.RO

原文アブストラクト

Goal interpretation is to translate a natural language instruction into a formal symbolic goal that a planner can execute. It is critical for embodied agents because any error here propagates to every downstream planning and action step. Doing it well requires both generating suitable candidates and reliably selecting among them. We present a two-stage generate-then-rank approach to Goal Interpretation in the Embodied Agent Interface (EAI). First, supervised fine-tuning adapts a Large Language Model (LLM) to EAI's output convention. Second, Candidate-Output Ranking from Errors (CORE) learns preferences over complete outputs from the model's own generated alternatives. We conducted experiments on the household scenes of the Embodied Agent Interface Benchmark. Multiple open source LLMs including DeepSeek-V3 chat, DeepSeek-Reasoner, and Qwen2.5-7B and Qwen2.5-72B were evaluated. The proposed method outperformed the baseline models including LLMs with simple prompting, chain-of-thought, and knowledge graph based approaches.

  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. 3GXO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
  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