論文の概要: From Language to Action: Can LLM-Based Agents Be Used for Embodied Robot Cognition?

• arxiv url: http://arxiv.org/abs/2603.03148v1
• Date: Tue, 03 Mar 2026 16:36:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.865901
• Title: From Language to Action: Can LLM-Based Agents Be Used for Embodied Robot Cognition?
• Title（参考訳）: 言語から行動へ:LLMをベースとしたエージェントはロボット認知に使えるか?
• Authors: Shinas Shaji, Fabian Huppertz, Alex Mitrevski, Sebastian Houben,
• Abstract要約: 大規模言語モデル(LLM)は、推論や言語理解など、突発的な認知的側面を示すことが示されている。 本稿では,エージェントLLMが計画と推論のコアコンポーネントとなる認知アーキテクチャを提案する。 本研究では,エージェントの推論,計画,記憶利用の2つの課題について,提案システムの評価を行った。
• 参考スコア（独自算出の注目度）: 1.4016147623265656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to flexibly act in an everyday environment, a robotic agent needs a variety of cognitive capabilities that enable it to reason about plans and perform execution recovery. Large language models (LLMs) have been shown to demonstrate emergent cognitive aspects, such as reasoning and language understanding; however, the ability to control embodied robotic agents requires reliably bridging high-level language to low-level functionalities for perception and control. In this paper, we investigate the extent to which an LLM can serve as a core component for planning and execution reasoning in a cognitive robot architecture. For this purpose, we propose a cognitive architecture in which an agentic LLM serves as the core component for planning and reasoning, while components for working and episodic memories support learning from experience and adaptation. An instance of the architecture is then used to control a mobile manipulator in a simulated household environment, where environment interaction is done through a set of high-level tools for perception, reasoning, navigation, grasping, and placement, all of which are made available to the LLM-based agent. We evaluate our proposed system on two household tasks (object placement and object swapping), which evaluate the agent's reasoning, planning, and memory utilisation. The results demonstrate that the LLM-driven agent can complete structured tasks and exhibits emergent adaptation and memory-guided planning, but also reveal significant limitations, such as hallucinations about the task success and poor instruction following by refusing to acknowledge and complete sequential tasks. These findings highlight both the potential and challenges of employing LLMs as embodied cognitive controllers for autonomous robots.
• Abstract（参考訳）: 日常の環境で柔軟に行動するためには、ロボットエージェントは様々な認知能力を必要としている。 大規模言語モデル(LLM)は、推論や言語理解などの創発的な認知的側面を示すことが示されているが、具体的ロボットエージェントを制御する能力は、知覚と制御の低レベル機能に確実に高レベル言語をブリッジする必要がある。 本稿では,LLMが認知ロボットアーキテクチャにおける計画および実行推論のコアコンポーネントとして機能する範囲について検討する。 本研究では,エージェントLLMが計画と推論のコアコンポーネントとして機能する認知アーキテクチャを提案する。 このアーキテクチャの例は、シミュレーションされた家庭環境における移動マニピュレータを制御するために使用され、環境相互作用は、認識、推論、ナビゲーション、把握、配置の一連の高レベルなツールを通して行われる。 提案システムは,エージェントの推論,計画,メモリ利用を評価する2つの家庭用タスク(オブジェクト配置とオブジェクトスワップ)で評価する。 以上の結果から,LCM駆動エージェントは構造化タスクを完了し,創発的適応とメモリ誘導計画を示すだけでなく,タスク成功に対する幻覚や,シーケンシャルタスクの承認や完了を拒むことによる指示不足など,重大な制約も明らかにした。 これらの知見は、自律ロボットのための認知コントローラとしてLLMを採用する可能性と課題の両方を浮き彫りにした。

関連論文リスト

• HELP: Hierarchical Embodied Language Planner for Household Tasks [75.38606213726906]
  複雑なシナリオを扱うエージェントは、堅牢な計画能力に大きく依存する。 広範な言語知識を備えた大規模言語モデルは、この役割を果たすことができる。 LLMをベースとした一組のエージェントからなる階層型エンボディード言語プランナーHELPを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:54:08Z)
• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• Think, Reflect, Create: Metacognitive Learning for Zero-Shot Robotic Planning with LLMs [3.0067862210362284]
  大規模言語モデル(LLM)は、様々な領域において大きな可能性を示している。 メタ認知学習をLLMによるマルチロボットコラボレーションに統合するフレームワークを提案する。 より困難なロボットベンチマークタスクを提案し、既存のベンチマークと新しいタスクに関する我々のフレームワークを評価する。
  論文  参考訳（メタデータ） (2025-05-20T20:51:18Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• Autonomous Behavior Planning For Humanoid Loco-manipulation Through Grounded Language Model [6.9268843428933025]
  大規模言語モデル(LLM)は、意味情報の理解と処理のための強力な計画と推論能力を示している。 本稿では,ロボットが与えられたテキストによる指示の下で,自律的に動作や低レベル実行を計画できる新しい言語モデルベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-15T17:33:32Z)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力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） (2024-07-07T07:15:49Z)
• KnowAgent: Knowledge-Augmented Planning for LLM-Based Agents [52.34892973785117]
  大規模言語モデル(LLM)は複雑な推論タスクにおいて大きな可能性を証明していますが、より高度な課題に取り組むには不十分です。 この不適切さは、主に言語エージェントのアクション知識が組み込まれていないことに起因する。 我々は、明示的な行動知識を取り入れることで、LLMの計画能力を高めるために設計された新しいアプローチであるKnowAgentを紹介する。
  論文  参考訳（メタデータ） (2024-03-05T16:39:12Z)

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。