論文の概要: HEXAR: a Hierarchical Explainability Architecture for Robots

• arxiv url: http://arxiv.org/abs/2601.03070v1
• Date: Tue, 06 Jan 2026 14:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.663991
• Title: HEXAR: a Hierarchical Explainability Architecture for Robots
• Title（参考訳）: HEXAR:ロボットの階層的説明可能性アーキテクチャ
• Authors: Tamlin Love, Ferran Gebellí, Pradip Pramanick, Antonio Andriella, Guillem Alenyà, Anais Garrell, Raquel Ros, Silvia Rossi,
• Abstract要約: 我々は,ロボットシステムに関する説明を生成するためのプラグイン,階層的アプローチを提供する新しいフレームワークであるHEXARを提案する。 我々は,家庭環境における支援作業を行うTAAGoロボット上でHEXARを実装し,評価する。
• 参考スコア（独自算出の注目度）: 5.643268479831882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As robotic systems become increasingly complex, the need for explainable decision-making becomes critical. Existing explainability approaches in robotics typically either focus on individual modules, which can be difficult to query from the perspective of high-level behaviour, or employ monolithic approaches, which do not exploit the modularity of robotic architectures. We present HEXAR (Hierarchical EXplainability Architecture for Robots), a novel framework that provides a plug-in, hierarchical approach to generate explanations about robotic systems. HEXAR consists of specialised component explainers using diverse explanation techniques (e.g., LLM-based reasoning, causal models, feature importance, etc) tailored to specific robot modules, orchestrated by an explainer selector that chooses the most appropriate one for a given query. We implement and evaluate HEXAR on a TIAGo robot performing assistive tasks in a home environment, comparing it against end-to-end and aggregated baseline approaches across 180 scenario-query variations. We observe that HEXAR significantly outperforms baselines in root cause identification, incorrect information exclusion, and runtime, offering a promising direction for transparent autonomous systems.
• Abstract（参考訳）: ロボットシステムがますます複雑化するにつれて、説明可能な意思決定の必要性が重要になる。 ロボット工学における既存の説明可能性のアプローチは、一般的には個々のモジュールにフォーカスするが、これはハイレベルな振る舞いの観点からのクエリが難しい場合や、ロボットアーキテクチャのモジュラリティを活用できないモノリシックなアプローチを使用する場合が多い。 HEXAR(Hierarchical Explainability Architecture for Robots)は,ロボットシステムの説明を生成するためのプラグイン,階層的アプローチを提供する新しいフレームワークである。 HEXARは、特定のロボットモジュールに適した多種多様な説明技法(LLMベースの推論、因果モデル、特徴重要度など)を用いて、特定のクエリに最も適したものを選択する説明者セレクタによって構成される。 我々は,家庭環境における支援作業を行うTAAGoロボット上で,HEXARを実装して評価し,180のシナリオ・クエリのバリエーションに対して,エンドツーエンドおよび集約されたベースラインアプローチと比較した。 我々は,HEXARが根本原因同定,誤情報排除,実行時のベースラインを著しく上回り,透明な自律システムにとって有望な方向性を提供することを観察した。

関連論文リスト

• RACAS: Controlling Diverse Robots With a Single Agentic System [26.695876900159373]
  RACAS(Robot-Agnostic Control via Agentic Systems)は、3つのモジュールが自然言語でのみ通信してクローズドループロボット制御を実現する協調型エージェントアーキテクチャである。 RACASは、ロボットの自然言語記述、利用可能なアクションの定義、タスク仕様のみを必要とする。 我々は、車輪付き地上ロボット、最近発表された新しい多関節ロボットアーム、水中車両を用いて、複数のタスクにおけるRACASを評価した。RACASは、これらの過激な異なるプラットフォームをまたいだ全てのタスクを一貫して解決し、その可能性を実証している。
  論文  参考訳（メタデータ） (2026-03-05T19:25:01Z)
• 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)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)

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。