論文の概要: BTGenBot-2: Efficient Behavior Tree Generation with Small Language Models

• arxiv url: http://arxiv.org/abs/2602.01870v1
• Date: Mon, 02 Feb 2026 09:43:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.086032
• Title: BTGenBot-2: Efficient Behavior Tree Generation with Small Language Models
• Title（参考訳）: BTGenBot-2:小言語モデルを用いた効率的な行動木生成
• Authors: Riccardo Andrea Izzo, Gianluca Bardaro, Matteo Matteucci,
• Abstract要約: BTGenBot-2は、自然言語タスク記述とロボットアクションプリミティブのリストをXMLで実行可能な振る舞いツリーに変換する、オープンソースの小型言語モデルである。 BTGenBot-2は従来のアプローチとは異なり、ゼロショットBT生成、推論時のエラーリカバリ、実行時に可能で、リソース制約のあるロボットには十分軽量である。 BTGenBot-2はGPT-5、Claude Opus 4.1、そして、機能的および非機能的メトリクスの両方にわたるより大きなオープンソースモデルより一貫して優れていた。
• 参考スコア（独自算出の注目度）: 7.802379200026965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in robot learning increasingly rely on LLM-based task planning, leveraging their ability to bridge natural language with executable actions. While prior works showcased great performances, the widespread adoption of these models in robotics has been challenging as 1) existing methods are often closed-source or computationally intensive, neglecting the actual deployment on real-world physical systems, and 2) there is no universally accepted, plug-and-play representation for robotic task generation. Addressing these challenges, we propose BTGenBot-2, a 1B-parameter open-source small language model that directly converts natural language task descriptions and a list of robot action primitives into executable behavior trees in XML. Unlike prior approaches, BTGenBot-2 enables zero-shot BT generation, error recovery at inference and runtime, while remaining lightweight enough for resource-constrained robots. We further introduce the first standardized benchmark for LLM-based BT generation, covering 52 navigation and manipulation tasks in NVIDIA Isaac Sim. Extensive evaluations demonstrate that BTGenBot-2 consistently outperforms GPT-5, Claude Opus 4.1, and larger open-source models across both functional and non-functional metrics, achieving average success rates of 90.38% in zero-shot and 98.07% in one-shot, while delivering up to 16x faster inference compared to the previous BTGenBot.
• Abstract（参考訳）: ロボット学習の最近の進歩は、自然言語を実行可能なアクションでブリッジする能力を活用することで、LLMベースのタスクプランニングにますます依存している。 以前の作品では素晴らしいパフォーマンスが見られたが、ロボット工学におけるこれらのモデルの普及は困難だった。 1)既存の手法は、しばしばクローズドソースまたは計算集約であり、現実の物理システムへの実際の展開を無視している。 2)ロボットタスク生成のための汎用的なプラグアンドプレイ表現は存在しない。 これらの課題に対処するために,自然言語タスク記述とロボットアクションプリミティブのリストを直接XMLの実行可能な動作木に変換する,オープンソースの1Bパラメータの小型言語モデルBTGenBot-2を提案する。 BTGenBot-2は、従来のアプローチとは異なり、ゼロショットBT生成、推論と実行時のエラーリカバリを可能とし、リソースに制約のあるロボットには十分軽量である。 NVIDIA Isaac Sim における52のナビゲーションおよび操作タスクをカバーする LLM ベースのBT 生成のための最初の標準ベンチマークについても紹介する。 BTGenBot-2は、GPT-5、Claude Opus 4.1、および、機能的および非機能的メトリクスの両方にわたるより大きなオープンソースモデルよりも一貫して優れており、ゼロショットで90.38%、ワンショットで98.07%、以前のBTGenBotよりも16倍高速な推論を実現している。

関連論文リスト

• RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation [37.52152452548065]
  RoboGeneは多様な物理的に可能な操作タスクを生成するために設計されたエージェントフレームワークである。 広範に定量的な分析と大規模な実世界の実験を行い、18k軌道のデータセットを収集した。 結果は、RoboGeneが最先端の基礎モデルよりも大幅に優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-18T13:29:43Z)
• UltraCUA: A Foundation Model for Computer Use Agents with Hybrid Action [77.63125913907771]
  本稿では,GUIプリミティブと高レベルのプログラムツールコールのギャップを埋める基盤モデルであるUltraCUAを提案する。 7Bおよび32Bモデルによる実験は、最先端のエージェントよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-10-20T17:48:26Z)
• RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robust Bimanual Robotic Manipulation [52.2244588424002]
  我々は,多様かつ現実的なデータの自動生成のためのスケーラブルなフレームワークであるRoboTwin 2.0を紹介する。 コアとなるRoboTwin-ODは、セマンティックおよび操作関連アノテーションを備えた147カテゴリにわたる771インスタンスのオブジェクトライブラリである。 sim-to-real転送を改善するために、RoboTwin 2.0は5つの軸に沿って構造化された領域ランダム化を適用する。
  論文  参考訳（メタデータ） (2025-06-22T16:26:53Z)
• Reducing Latency in LLM-Based Natural Language Commands Processing for Robot Navigation [0.2516577526761521]
  本研究では,ChatGPT自然言語モデルとロボットオペレーティング・システム2(ROS2)の統合によるインタラクション遅延の軽減について検討する。 トランスポートプラットフォームを必要とせずにこれらの技術を統合するアーキテクチャを提案する。 実験により、この統合により、人間とロボットの相互作用の実行速度、ユーザビリティ、アクセシビリティが向上することが示された。
  論文  参考訳（メタデータ） (2025-05-29T21:16:14Z)
• Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics [55.05920313034645]
  本稿では,ロボット制御に特化して具体的推論を強化するため,強化学習を活用した新しいフレームワークであるRobot-R1を紹介する。 DeepSeek-R1学習アプローチにインスパイアされたRobot-R1は、推論に基づく応答をサンプリングし、より正確な予測につながるものを強化する。 実験の結果,ロボットR1で訓練したモデルは,具体的推論タスクにおいて,SFT法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-29T16:41:12Z)
• RoboCoder: Robotic Learning from Basic Skills to General Tasks with Large Language Models [49.23588578549434]
  大規模言語モデル(LLM)はロボットタスクの見通しを改善した。 既存のベンチマークはまだ、一般化機能に制限のある単一のタスクに限られている。 包括的なベンチマークと自律学習フレームワークであるRoboCoderを紹介します。
  論文  参考訳（メタデータ） (2024-06-06T05:41:47Z)
• Integrating Intent Understanding and Optimal Behavior Planning for Behavior Tree Generation from Human Instructions [5.31484618181979]
  動作木(BT)は、人間の指示に従ってタスクを実行するロボットのための適切な制御アーキテクチャである。 本稿では,BT生成のための2段階のフレームワークを提案する。 我々は、一階述語論理における目的と十分に整形された公式を表現し、意図の理解と最適な行動計画を効果的にブリッジする。
  論文  参考訳（メタデータ） (2024-05-13T05:23:48Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• 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)

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。