論文の概要: An LLM-Based Assistance System for Intuitive and Flexible Capability-Based Planning

• arxiv url: http://arxiv.org/abs/2605.28666v1
• Date: Wed, 27 May 2026 16:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.196963
• Title: An LLM-Based Assistance System for Intuitive and Flexible Capability-Based Planning
• Title（参考訳）: 直感的・柔軟能力に基づく計画立案のためのLCMに基づく支援システム
• Authors: Luis Miguel Vieira da Silva, Nicolas König, Felix Gehlhoff,
• Abstract要約: LLM(Large Language Model)ベースのレイヤーは、自然言語の相互作用、説明、適応を扱う。 システムは4つのシナリオタイプにまたがるモジュラー生産システムで評価される。
• 参考スコア（独自算出の注目度）: 0.25489046505746704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In modern industry, dynamic environments and the complexity of modular and reconfigurable resources require automated planning of process sequences. Capability-based planning approaches address this by automatically generating plans from semantic knowledge models that describe resource functions in a machine-interpretable form. Their practical use, however, remains limited: solver feedback, especially in the case of unsatisfiability, is difficult to interpret, and the knowledge models require adaptation as operational conditions change or requests become infeasible. This paper presents a hybrid assistance system that augments an existing capability-based Satisfiability Modulo Theories (SMT) planning approach with an Large Language Model (LLM)-based layer for natural-language interaction, explanation, and adaptation. Formal planning correctness remains with the symbolic planner, while the LLM layer handles natural-language access and flexible knowledge model adaptation under explicit Human-in-the-Loop (HitL) approval. The system decomposes into four components: Capability Grounding, Symbolic Planning, Result Interpretation, and Planning Adaptation, realized as a routed agentic workflow in which a central router delegates to five specialized agents. The system is evaluated on a modular production system across four scenario types. Of 23 test cases, 9 of 10 knowledge queries and all 4 satisfiable planning cases were handled correctly, 3 of 4 unsatisfiable cases produced concrete repair proposals, and all 5 adaptive planning scenarios resolved into satisfiable plans through iterative, user-approved knowledge model modifications. The findings confirm that combining formal planning with LLM-based assistance substantially improves accessibility and adaptability in industrial automation.
• Abstract（参考訳）: 現代の産業では、動的環境とモジュール化と再構成可能なリソースの複雑さは、プロセスシーケンスを自動で計画する必要がある。 能力ベースのプランニングアプローチは、機械解釈可能な形式でリソース関数を記述するセマンティックナレッジモデルからプランを自動的に生成することで、この問題に対処する。 しかし、それらの実用的利用は依然として限られており、特に不満足な場合における解法フィードバックは解釈が困難であり、知識モデルは運用条件の変化や要求が実現不可能になるにつれて適応が必要である。 本稿では,SMT(Satifiability Modulo Theories)とLarge Language Model(LLM)をベースとした自然言語対話,説明,適応のためのハイブリッド支援システムを提案する。 形式的計画の正しさはシンボリックプランナーのままであり、LLM層は明示的なHuman-in-the-Loop (HitL)承認の下で自然言語アクセスと柔軟な知識モデル適応を処理する。 システムは4つのコンポーネントに分解される: 機能的グラウンディング、シンボリックプランニング、結果解釈、計画適応は、中央ルータが5つの特殊エージェントに委譲するルーティングされたエージェントワークフローとして実現される。 システムは4つのシナリオタイプにまたがるモジュラー生産システムで評価される。 23件の試験事例のうち,10件の知識質問9件と4件の計画案が正しく処理され,4件の満足できない事例のうち3件が具体的修復案を提出し,各5件の適応計画シナリオは,反復的かつユーザ承認の知識モデル修正を通じて満足な計画に解決された。 以上の結果から,LCMをベースとした支援とフォーマルプランニングを組み合わせることで,産業自動化におけるアクセシビリティと適応性を大幅に向上することが確認された。

関連論文リスト

• PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models [52.48858778580074]
  計画は大規模言語モデル(LLM)の基本的な機能である PlanningBenchは、評価とトレーニングの両方のためのスケーラブルで多様な検証可能な計画データを生成するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-05-20T08:10:15Z)
• TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
  TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。 PlanFactoryは異種計画パターンの共通インターフェースを提供する。 TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-08T06:37:01Z)
• 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)
• Bridging Engineering and AI Planning through Model-Based Knowledge Transformation for the Validation of Automated Production System Variants [36.25050480925601]
  本稿では,記号的計画アーティファクトの仕様と自動生成を可能にするモデル駆動方式を提案する。 専用のSysMLプロファイルでは、コアプランニングのための再利用可能なステレオタイプが導入されている。 このメソッドはネイティブ統合をサポートし、エンジニアリングと計画アーティファクト間の一貫性を維持する。
  論文  参考訳（メタデータ） (2025-09-15T16:18:08Z)
• Teaching LLMs to Plan: Logical Chain-of-Thought Instruction Tuning for Symbolic Planning [23.185497225384207]
  大規模言語モデル(LLM)は、様々なタスクにまたがる印象的な機能を示しているが、構造化されたシンボリックプランニングを実行する能力はまだ限られている。 論理的連鎖推論によりLLMのシンボリックプランニング能力を高めるために設計された新しい命令チューニングフレームワークPDDL-Instructを提案する。
  論文  参考訳（メタデータ） (2025-09-14T02:42:34Z)
• LLM-guided Task and Motion Planning using Knowledge-based Reasoning [1.7563201473819496]
  本研究は,タスクコンテキスト推論と知識ベース環境記述を用いて,ユーザプロンプトを洗練・拡張する知識ベース推論を用いた新しいオント・LLM-TAMPフレームワークを提案する。 提案フレームワークはシミュレーションと実世界のシナリオの両方を通じて検証され,動的環境への適応性や意味論的に正しいタスクプランの生成の観点から,ベースラインアプローチに対する大幅な改善が示された。
  論文  参考訳（メタデータ） (2024-12-10T13:18:45Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)

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。