論文の概要: Extracting Semantics: LLM-Guided Automatic Population of Robot Ontology from URDF

• arxiv url: http://arxiv.org/abs/2606.17073v1
• Date: Wed, 10 Jun 2026 08:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.032146
• Title: Extracting Semantics: LLM-Guided Automatic Population of Robot Ontology from URDF
• Title（参考訳）: 抽出セマンティックス:URDFによるLDM誘導型ロボットオントロジーの自動個体群
• Authors: Bastien Dussard, Guillaume Sarthou,
• Abstract要約: 認知ロボティクスでは、説明可能な推論を可能にするために意味的に豊かな表現が必要である。 本稿では,セマンティック抽象化の自動生成のための予備的アプローチを提案する。 本稿では,複数のロボット記述に対するアプローチを評価し,その抽象化について議論する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While commonsense knowledge may suffice for virtual agents, embodied robots interacting with humans require grounded and semantically rich representations of both their environment and their own physical embodiment. In cognitive robotics, ontologies are effective for integrating such heterogeneous knowledge to enable explainable reasoning, even during continuous knowledge updates. Yet, their manual construction remains a bottleneck. We present a preliminary approach for the automatic generation of robot semantic abstractions by transforming Unified Robot Description Format (URDF) models into populated ontologies. Although URDF files provide structural and kinematic descriptions, their identifiers often require commonsense interpretation to recover meaningful semantics, a task at which Large Language Models (LLMs) excel. Our pipeline leverages LLMs to infer semantic relationships by prompting them with concepts from an existing ontology, ensuring the final classification remains aligned with the formal model. To improve reliability, the pipeline combines majority voting across multiple LLM queries along with syntactic and schema-level validation to ensure that generated outputs conform to the expected representation format and ontology constraints. We evaluate the approach on multiple robot descriptions and discuss the generated abstractions. Initial results indicate that the proposed method can effectively bridge the gap between low-level robot descriptions and the structured, grounded knowledge representations required for human-robot interaction.
• Abstract（参考訳）: コモンセンスの知識は仮想エージェントにとって十分かもしれないが、人間と相互作用する具体化されたロボットは、環境と自身の身体の両方の基盤的で意味的に豊かな表現を必要とする。 認知ロボティクスにおいて、オントロジは、連続的な知識更新であっても説明可能な推論を可能にするために、そのような異種知識を統合するのに効果的である。 しかし、手作業による作業は依然としてボトルネックとなっている。 本稿では,Unified Robot Description Format (URDF) モデルを集合オントロジーに変換することで,ロボットのセマンティック抽象化の自動生成のための予備的アプローチを提案する。 URDFファイルは構造的およびキネマティックな記述を提供するが、その識別子は意味的な意味を回復するために常識的な解釈を必要とすることが多い。 我々のパイプラインはLLMを活用し、既存のオントロジーの概念を取り入れることで意味論的関係を推論し、最終的な分類が形式モデルと一致し続けることを保証します。 信頼性を向上させるため、パイプラインは複数のLCMクエリにまたがる多数投票と、構文とスキーマレベルの検証を組み合わせることで、生成された出力が期待される表現形式とオントロジーの制約に適合することを保証する。 我々は,複数のロボット記述に対するアプローチを評価し,生成した抽象化について議論する。 最初の結果から,提案手法はロボットの低レベル記述と人間とロボットの相互作用に必要な構造化された知識表現とのギャップを効果的に埋めることが可能であることが示唆された。

関連論文リスト

• Assessing VLM-Driven Semantic-Affordance Inference for Non-Humanoid Robot Morphologies [0.5003135699842282]
  視覚言語モデル(VLM)は、人間と物体の相互作用を理解する際、顕著な能力を示した。 本研究は,人間と根本的に異なる実施形態を持つロボットに対して,VLMが効果的に余裕を推定できるかどうかを考察する。
  論文  参考訳（メタデータ） (2026-04-21T14:26:29Z)
• Learning Structured Robot Policies from Vision-Language Models via Synthetic Neuro-Symbolic Supervision [39.03634103868044]
  視覚言語モデル(VLM)は、最近、ロボットの動作にマルチモーダルな観察をマッピングする強力な能力を示した。 現在のアプローチのほとんどは、不透明で分析が難しいエンドツーエンドのビズモータポリシに依存しています。 本研究は,マルチモーダル知覚に基づく構造化ロボットポリシーを生成するために,基礎モデルをどのように専門化することができるかを検討する。
  論文  参考訳（メタデータ） (2026-04-03T07:27:33Z)
• Ontological grounding for sound and natural robot explanations via large language models [6.358448988089591]
  本稿では,オントロジーに基づく推論と大規模言語モデル(LLM)を融合したハイブリッドフレームワークを提案する。 オントロジーは論理的一貫性とドメインの基底を保証するが、LLMは流動的でコンテキスト対応で適応的な言語生成を提供する。 我々は,静的コントラストに基づく物語の検索と構築のための最先端のアルゴリズムをLLMエージェントと統合し,簡潔で明瞭で対話的な説明を生成する。
  論文  参考訳（メタデータ） (2026-02-14T14:23:11Z)
• Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
  本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。 物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。 ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
  論文  参考訳（メタデータ） (2026-01-13T23:36:30Z)
• Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
  VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。 本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。 G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-10-09T09:08:33Z)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• Proposition of Affordance-Driven Environment Recognition Framework Using Symbol Networks in Large Language Models [1.2430809884830318]
  本研究では,大規模言語モデル(LLM)を活用した自動割当獲得手法を提案する。 例として「リンゴ」を用いた実験は、高い説明性で文脈依存の余裕を抽出する手法の能力を実証した。
  論文  参考訳（メタデータ） (2025-04-02T11:48:44Z)
• 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。