論文の概要: Coordinated Control of Multiple Construction Machines Using LLM-Generated Behavior Trees with Flag-Based Synchronization

• arxiv url: http://arxiv.org/abs/2602.01041v2
• Date: Mon, 02 Mar 2026 05:52:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.057581
• Title: Coordinated Control of Multiple Construction Machines Using LLM-Generated Behavior Trees with Flag-Based Synchronization
• Title（参考訳）: フラッグ同期を用いたLCM生成行動木を用いた複数建設機械の協調制御
• Abstract要約: ROS2-TMS for Constructionは、建設機械自動化のためのサイバー物理システムフレームワークである。 大規模言語モデル(LLM)の最近の進歩は、自動タスク計画の新しい機会を提供する。 本稿では,建設機械の協調作業に向けて,BTの自動生成のためのLLMベースのワークフローを提案する。
• 参考スコア（独自算出の注目度）: 1.654746519811434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earthwork operations face increasing demand, while workforce aging creates a growing need for automation. ROS2-TMS for Construction, a Cyber-Physical System framework for construction machinery automation, has been proposed; however, its reliance on manually designed Behavior Trees (BTs) limits scalability in cooperative operations. Recent advances in Large Language Models (LLMs) offer new opportunities for automated task planning, yet most existing studies remain limited to simple robotic systems. This paper proposes an LLM-based workflow for automatic generation of BTs toward coordinated operation of construction machines. The method introduces synchronization flags managed through a Global Blackboard, enabling multiple BTs to share execution states and represent inter-machine dependencies. The workflow consists of Action Sequence generation and BTs generation using LLMs. Simulation experiments on 30 construction instruction scenarios achieved up to 93\% success rate in coordinated multi-machine tasks. Real-world experiments using an excavator and a dump truck further demonstrate successful cooperative execution, indicating the potential to reduce manual BTs design effort in construction automation. These results highlight the feasibility of applying LLM-driven task planning to practical earthwork automation.
• Abstract（参考訳）: 土木事業は需要が増し、労働力の高齢化は自動化の必要性を増している。 ROS2-TMS for Constructionは、建設機械自動化のためのサイバー物理システムフレームワークである。 近年のLarge Language Models (LLMs) の進歩はタスク計画の自動化に新たな機会をもたらすが、既存の研究は単純なロボットシステムに限られている。 本稿では,建設機械の協調作業に向けて,BTの自動生成のためのLLMベースのワークフローを提案する。 このメソッドはGlobal Blackboardを通じて管理される同期フラグを導入し、複数のBTが実行状態を共有し、マシン間の依存関係を表現できるようにする。 このワークフローは、LSMを使ったアクションシーケンス生成とBTの生成で構成されている。 コーディネートされたマルチマシンタスクにおいて, 最大93 % の成功率を達成した30 つの構成指示シナリオに関するシミュレーション実験を行った。 掘削機とダンプトラックを用いた実世界の実験は、さらに協力的な実行が成功し、建設自動化における手動BTの設計労力を減らす可能性を示している。 これらの結果から, LLMによるタスクプランニングを実用的土木自動化に適用できる可能性が示唆された。

関連論文リスト

• IMR-LLM: Industrial Multi-Robot Task Planning and Program Generation using Large Language Models [20.3492719490871]
  大規模言語モデル(LLM)は、単純な家庭や操作作業のためのロボットを協調させる可能性を示している。 我々は,新しいLLM駆動型産業用マルチロボットタスク計画とプログラム生成フレームワークであるIMR-LLMを提案する。
  論文  参考訳（メタデータ） (2026-03-03T06:55:27Z)
• Phase-Adaptive LLM Framework with Multi-Stage Validation for Construction Robot Task Allocation: A Systematic Benchmark Against Traditional Optimization Algorithms [0.0]
  本稿では,LangGraphベースのタスク割り当てエージェント(LTAA)を紹介する。 LTAAは、位相適応型アロケーション戦略、階層型リトライによる多段階検証、効率的なロボット協調のための動的プロンプトを統合している。 LTAAはトークンの使用量を94.6%削減し、割り当て時間を86%短縮する。
  論文  参考訳（メタデータ） (2025-12-02T14:23:36Z)
• AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
  自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。 近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。 本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
  論文  参考訳（メタデータ） (2024-10-03T20:01:09Z)
• 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)
• Incorporating Large Language Models into Production Systems for Enhanced Task Automation and Flexibility [2.3999111269325266]
  本稿では,大規模言語モデル(LLM)エージェントを自動生産システムに統合するための新しいアプローチを提案する。 自動化ピラミッドに基づいた階層的なフレームワーク内での運用運用の組織化。 これにより、プロダクションプロセスのオーケストレーションのためのスケーラブルでフレキシブルな基盤が実現できます。
  論文  参考訳（メタデータ） (2024-07-11T14:34:43Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Robo-Instruct: Simulator-Augmented Instruction Alignment For Finetuning Code LLMs [34.16234805577773]
  プログラム実行中にタスク固有のシミュレーション環境をオンザフライで合成するROBO-INSTRUCTを提案する。 ROBO-INSTRUCT は LLM に支援された後処理の手順を統合し,ロボットプログラムとの整合性を向上する。
  論文  参考訳（メタデータ） (2024-05-30T15:47:54Z)
• 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)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• 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。