論文の概要: Toward Deployable Multi-Robot Collaboration via a Symbolically-Guided Decision Transformer

• arxiv url: http://arxiv.org/abs/2508.13877v1
• Date: Tue, 19 Aug 2025 14:42:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.95757
• Title: Toward Deployable Multi-Robot Collaboration via a Symbolically-Guided Decision Transformer
• Title（参考訳）: シンボル誘導決定変換器による複数ロボット協調の展開に向けて
• Authors: Rathnam Vidushika Rasanji, Jin Wei-Kocsis, Jiansong Zhang, Dongming Gan, Ragu Athinarayanan, Paul Asunda,
• Abstract要約: Symbolically-Guided Decision Transformer (SGDT)は、ニューロシンボリックメカニズムと因果トランスフォーマーを統合し、デプロイ可能なマルチロボットコラボレーションを実現する。 我々は,ゼロショットシナリオや少数ショットシナリオを含むタスクシナリオにおいて,SGDTの性能を評価する。
• 参考スコア（独自算出の注目度）: 1.0242313198232116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning (RL) has demonstrated great potential in robotic operations. However, its data-intensive nature and reliance on the Markov Decision Process (MDP) assumption limit its practical deployment in real-world scenarios involving complex dynamics and long-term temporal dependencies, such as multi-robot manipulation. Decision Transformers (DTs) have emerged as a promising offline alternative by leveraging causal transformers for sequence modeling in RL tasks. However, their applications to multi-robot manipulations still remain underexplored. To address this gap, we propose a novel framework, Symbolically-Guided Decision Transformer (SGDT), which integrates a neuro-symbolic mechanism with a causal transformer to enable deployable multi-robot collaboration. In the proposed SGDT framework, a neuro-symbolic planner generates a high-level task-oriented plan composed of symbolic subgoals. Guided by these subgoals, a goal-conditioned decision transformer (GCDT) performs low-level sequential decision-making for multi-robot manipulation. This hierarchical architecture enables structured, interpretable, and generalizable decision making in complex multi-robot collaboration tasks. We evaluate the performance of SGDT across a range of task scenarios, including zero-shot and few-shot scenarios. To our knowledge, this is the first work to explore DT-based technology for multi-robot manipulation.
• Abstract（参考訳）: 強化学習(RL)はロボット操作において大きな可能性を証明している。 しかし、そのデータ集約性やMDP(Markov Decision Process)の仮定への依存は、複雑なダイナミックスやマルチロボット操作のような長期的依存関係を含む現実のシナリオにおける実践的な展開を制限している。 決定変換器(DT)は、RLタスクのシーケンスモデリングに因果変換器を活用することで、有望なオフライン代替手段として登場した。 しかし、マルチロボット操作への彼らの応用はいまだ未検討のままである。 このギャップに対処するために,ニューロシンボリック・シンボリック・ガイド型決定変換器(SGDT)と因果変換器を統合し,デプロイ可能なマルチロボット協調を実現する新しいフレームワークを提案する。 提案したSGDTフレームワークでは、ニューロシンボリックプランナーがシンボルサブゴールからなる高レベルタスク指向プランを生成する。 これらのサブゴールによって導かれるGCDTは、マルチロボット操作のための低レベルのシーケンシャルな意思決定を行う。 この階層アーキテクチャは、複雑なマルチロボットコラボレーションタスクにおいて、構造化され、解釈可能で、一般化可能な意思決定を可能にする。 我々は,ゼロショットシナリオや少数ショットシナリオを含むタスクシナリオにおいて,SGDTの性能を評価する。 我々の知る限り、これはマルチロボット操作のためのDTベースの技術を探究する最初の試みである。

関連論文リスト

• Generative AI-Aided QoE Maximization for RIS-Assisted Digital Twin Interaction [6.54922175613871]
  本研究では、再構成可能なインテリジェントサーフェス(RIS)支援ディジタルツイン(DT)と不確実な進化との相互作用に対するQoE(Quality of Experience)-awareリソース割り当て問題について検討する。 我々のゴールは、様々なDTシーンにおけるDTインタラクションにおける全モバイルユーザの主観的および客観的QoEの総和を最大化することである。 我々は、ゼロ強制最適化(PG-ZFO)と統合されたプロンプト誘導決定変換器と呼ばれる新しいGAI支援手法を提案する。
  論文  参考訳（メタデータ） (2025-05-15T02:00:29Z)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• EMOS: Embodiment-aware Heterogeneous Multi-robot Operating System with LLM Agents [33.77674812074215]
  異種ロボット間の効果的な協調を実現するための新しいマルチエージェントフレームワークを提案する。 エージェントがロボットURDFファイルを理解し、ロボットキネマティクスツールを呼び出し、その物理能力の記述を生成する。 Habitat-MASベンチマークは、マルチエージェントフレームワークがエンボディメント認識推論を必要とするタスクをどのように処理するかを評価するように設計されている。
  論文  参考訳（メタデータ） (2024-10-30T03:20:01Z)
• EnvBridge: Bridging Diverse Environments with Cross-Environment Knowledge Transfer for Embodied AI [7.040779338576156]
  大規模言語モデル(LLM)は、ロボットのためのテキスト計画や制御コードを生成することができる。 これらの手法は、異なる環境にまたがる柔軟性と適用性の観点からも、依然として課題に直面している。 本稿では,ロボット操作エージェントの適応性と堅牢性を高めるために,EnvBridgeを提案する。
  論文  参考訳（メタデータ） (2024-10-22T11:52:22Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• CLAS: Coordinating Multi-Robot Manipulation with Central Latent Action Spaces [9.578169216444813]
  本稿では,異なるエージェント間で共有される学習された潜在行動空間を通じて,マルチロボット操作を協調する手法を提案する。 シミュレーションされたマルチロボット操作タスクにおいて本手法を検証し,サンプル効率と学習性能の観点から,従来のベースラインよりも改善したことを示す。
  論文  参考訳（メタデータ） (2022-11-28T23:20:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。