論文の概要: CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation
- arxiv url: http://arxiv.org/abs/2603.16809v1
- Date: Tue, 17 Mar 2026 17:12:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.445739
- Title: CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation
- Title（参考訳）: CABTO:ロボット操作のためのコンテキスト認識行動木接地
- Abstract要約: Behavior Trees (BT) はモジュール式でリアクティブなロボットコントローラを設計するための強力なパラダイムを提供する。
BTプランニングは、信頼性のあるBTの自動生成に関する理論的保証を提供する。
BTグラウンディング問題を効率的に解くための最初のフレームワークであるCABTOを紹介する。
- 参考スコア（独自算出の注目度）: 36.70100723410325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Behavior Trees (BTs) offer a powerful paradigm for designing modular and reactive robot controllers. BT planning, an emerging field, provides theoretical guarantees for the automated generation of reliable BTs. However, BT planning typically assumes that a well-designed BT system is already grounded -- comprising high-level action models and low-level control policies -- which often requires extensive expert knowledge and manual effort. In this paper, we formalize the BT Grounding problem: the automated construction of a complete and consistent BT system. We analyze its complexity and introduce CABTO (Context-Aware Behavior Tree grOunding), the first framework to efficiently solve this challenge. CABTO leverages pre-trained Large Models (LMs) to heuristically search the space of action models and control policies, guided by contextual feedback from BT planners and environmental observations. Experiments spanning seven task sets across three distinct robotic manipulation scenarios demonstrate CABTO's effectiveness and efficiency in generating complete and consistent behavior tree systems.
- Abstract（参考訳）: Behavior Trees (BT) はモジュール式でリアクティブなロボットコントローラを設計するための強力なパラダイムを提供する。
BT計画(英語版)は、信頼性のあるBTの自動生成に関する理論的保証を提供する。
しかし、BTの計画では、よく設計されたBTシステムは、高レベルなアクションモデルと低レベルなコントロールポリシーを含む、既に根底にあると仮定している。
本稿では,完全かつ一貫したBTシステムの自動構築というBTグラウンディング問題を定式化する。
この課題を効果的に解決する最初のフレームワークであるCABTO(Context-Aware Behavior Tree grOunding)を導入する。
CABTOは、事前訓練された大規模モデル(LM)を利用して、BTプランナーからの文脈フィードバックと環境観測によって導かれる行動モデルと制御ポリシーの空間をヒューリスティックに探索する。
異なる3つのロボット操作シナリオにまたがる7つのタスクセットにまたがる実験は、完全な一貫した行動ツリーシステムを生成するためのCABTOの有効性と効率を実証している。
関連論文リスト
- A Decade of Bayesian Optimization for Controller Tuning and Robot Learning: Tutorial, Review, and Future Prospects [49.6839288052673]
過去10年間で、自動制御とロボット学習のための強力なフレームワークとしてベイジアン最適化が登場した。
本稿は、最近の進歩を理解するために研究者と実践者の両方を支援するために設計されたBOにおける最先端技術の概要について概説する。
論文 参考訳（メタデータ） (2026-09-08T19:59:54Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - From Prompts to Pavement: LMMs-based Agentic Behavior-Tree Generation Framework for Autonomous Vehicles [1.3707825707652799]
従来の行動木(BT)は構造化された決定論理を提供するが、本質的に静的であり、労働集約的なマニュアルチューニングを必要とする。
本稿では,大規模言語モデル (LLM) とマルチモーダル視覚モデル (LVM) を利用して,BTの生成と適応を行うエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T11:32:29Z) - Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。
一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
論文 参考訳（メタデータ） (2025-11-19T09:38:01Z) - Robotic Control via Embodied Chain-of-Thought Reasoning [86.6680905262442]
学習したロボット制御ポリシーの鍵となる制限は、トレーニングデータの外部で一般化できないことである。
視覚言語行動モデル(VLA)に関する最近の研究は、大規模なインターネット事前学習型視覚言語モデルを使用することで、その堅牢性と一般化能力を大幅に向上させることができることを示した。
ロボットの動作を予測する前に、VLAに対して、計画、サブタスク、動作、視覚的接地機能について複数の推論を行うために、VLAに対してEmbodied Chain-of-Thought Reasoning (ECoT)を導入する。
論文 参考訳（メタデータ） (2024-07-11T17:31:01Z) - HBTP: Heuristic Behavior Tree Planning with Large Language Model Reasoning [6.2560501421348]
Heuristic Behavior Tree Planning (HBTP) はBT生成のための信頼性と効率的なフレームワークである。
本稿では,BT拡張プロセスと最適計画と満足度計画のための2つの変種を紹介する。
実験では、HBTPの理論的限界を示し、4つのデータセットから得られた結果により、日々のサービスロボット応用における実用性が確認された。
論文 参考訳（メタデータ） (2024-06-03T03:38:56Z) - 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) - An Extended Convergence Result for Behaviour Tree Controllers [0.0]
振舞い木(BT)は階層的なハイブリッド制御ポリシーを組み立てるための最適なモジュラー・フレームワークである。
我々は、状態空間の所望部分に到達するという意味で、BTsの収束について研究する。
論文 参考訳（メタデータ） (2023-08-17T14:05:45Z) - EmbodiedGPT: Vision-Language Pre-Training via Embodied Chain of Thought [95.37585041654535]
Embodied AIは、ロボットが物理的な環境で長時間のタスクを遂行するためのアクションシーケンスを計画し、実行することができる。
本稿では,EmbodiedGPTを紹介する。EmbodiedGPTは,エンボディドAIのためのエンドツーエンドのマルチモーダル基盤モデルである。
実験は、実施計画、実施制御、視覚的キャプション、視覚的質問応答など、実施されたタスクに対するEmbodiedGPTの有効性を示す。
論文 参考訳（メタデータ） (2023-05-24T11:04:30Z) - A principled analysis of Behavior Trees and their generalisations [0.0]
私たちは、ますます人気が高まっている木構造制御アーキテクチャである振舞い木(BT)の背景にある原則を分析します。
これらの原則を通した推論が、互換性のあるソリューションに繋がることを示す。
我々は、一般化BTまたは$k$-BTと呼ばれる新しい制御アーキテクチャを導入する。
論文 参考訳（メタデータ） (2020-08-27T04:09:31Z)
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。