論文の概要: Automated Generation of MDPs Using Logic Programming and LLMs for Robotic Applications

• arxiv url: http://arxiv.org/abs/2511.23143v1
• Date: Fri, 28 Nov 2025 12:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.893649
• Title: Automated Generation of MDPs Using Logic Programming and LLMs for Robotic Applications
• Title（参考訳）: 論理プログラミングとLLMを用いたロボット用MDPの自動生成
• Authors: Enrico Saccon, Davide De Martini, Matteo Saveriano, Edoardo Lamon, Luigi Palopoli, Marco Roveri,
• Abstract要約: 本稿では,Large Language Models(LLM)と自動計画と形式検証を統合した新しいフレームワークを提案する。 このフレームワークを3つの人間とロボットのインタラクションシナリオで検証し、最小限の手作業で実行可能なポリシーを作成できることを実証する。
• 参考スコア（独自算出の注目度）: 12.212215896242911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel framework that integrates Large Language Models (LLMs) with automated planning and formal verification to streamline the creation and use of Markov Decision Processes (MDP). Our system leverages LLMs to extract structured knowledge in the form of a Prolog knowledge base from natural language (NL) descriptions. It then automatically constructs an MDP through reachability analysis, and synthesises optimal policies using the Storm model checker. The resulting policy is exported as a state-action table for execution. We validate the framework in three human-robot interaction scenarios, demonstrating its ability to produce executable policies with minimal manual effort. This work highlights the potential of combining language models with formal methods to enable more accessible and scalable probabilistic planning in robotics.
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)と自動計画と形式検証を統合し,マルコフ決定プロセス(MDP)の作成と使用を効率化する新しいフレームワークを提案する。 本システムはLLMを利用して,自然言語(NL)記述からプロログ知識ベースという形で構造化知識を抽出する。 次に、到達可能性分析を通じてMDPを自動的に構築し、Stormモデルチェッカーを使用して最適なポリシーを合成する。 結果のポリシは、実行のための状態アクションテーブルとしてエクスポートされる。 このフレームワークを3つの人間とロボットのインタラクションシナリオで検証し、最小限の手作業で実行可能なポリシーを作成できることを実証する。 この研究は、ロボット工学におけるよりアクセシブルでスケーラブルな確率的計画を可能にするために、言語モデルと形式的手法を組み合わせる可能性を強調している。

関連論文リスト

• Beyond Formal Semantics for Capabilities and Skills: Model Context Protocol in Manufacturing [0.12289361708127876]
  最近導入されたモデルコンテキストプロトコル(MCP)に基づく代替手法を提案する。 MCPは、LLMベースのエージェントによって直接消費可能な標準化されたインタフェースを通じて機能を公開できる。
  論文  参考訳（メタデータ） (2025-06-12T13:02:16Z)
• Self-Steering Language Models [113.96916935955842]
  DisCIPL は "self-steering" 言語モデル (LM) の手法である。 DisCIPLは、Followerモデルの集団によって実行されるタスク固有の推論プログラムを生成する。 我々の研究は、高度に並列化されたモンテカルロ推論戦略の設計空間を開く。
  論文  参考訳（メタデータ） (2025-04-09T17:54:22Z)
• A Temporal Planning Framework for Multi-Agent Systems via LLM-Aided Knowledge Base Management [5.548477348501636]
  本稿では,大規模言語モデル(LLM)とPrologベースの知識管理とマルチロボットタスクの計画を統合したPLANTORという新しいフレームワークを提案する。 その結果,LLMは人間からのフィードバックの少ない正確な知識ベースを生成でき,Prologは形式的正当性と説明可能性を保証することがわかった。 このアプローチは、柔軟でスケーラブルで人間に理解可能な計画を必要とする高度なロボティクスタスクのためのLLM統合の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-26T13:51:28Z)
• Control Industrial Automation System with Large Language Model Agents [2.2369578015657954]
  本稿では,大規模言語モデルと産業自動化システムを統合するためのフレームワークを提案する。 フレームワークの中核には、産業タスク用に設計されたエージェントシステム、構造化プロンプト方法、イベント駆動情報モデリング機構がある。 コントリビューションには、フォーマルなシステム設計、概念実証実装、タスク固有のデータセットを生成する方法が含まれる。
  論文  参考訳（メタデータ） (2024-09-26T16:19:37Z)
• Towards Generating Executable Metamorphic Relations Using Large Language Models [46.26208489175692]
  大規模言語モデル(LLM)を用いた要件から実行可能なMRを自動的に抽出する手法を提案する。 提案手法の有効性を評価するため,シーメンス・インダストリー・ソフトウェアと共同で質問紙調査を行った。
  論文  参考訳（メタデータ） (2024-01-30T13:52:47Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• When Prolog meets generative models: a new approach for managing knowledge and planning in robotic applications [3.8817507108225873]
  本稿では,Prolog言語を用いたロボット指向の知識管理システムを提案する。 このフレームワークはオープンソースのツールセットによってサポートされており、現実的なアプリケーションで示されています。
  論文  参考訳（メタデータ） (2023-09-26T16:26:17Z)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)

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。