論文の概要: A Generative Partially Specified Finite State Machine Approach to Complex Behaviour Planning

• arxiv url: http://arxiv.org/abs/2607.15674v1
• Date: Fri, 17 Jul 2026 06:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.774111
• Title: A Generative Partially Specified Finite State Machine Approach to Complex Behaviour Planning
• Title（参考訳）: 複合行動計画における部分特定有限状態マシンアプローチ
• Authors: Kalana Ratnayake, Michael Pritchard, David Hinwood, Maleen Jayasuriya, Damith Herath,
• Abstract要約: 本稿では,動作計画の解析,検証,実行を行うFabricを特徴とする,ロボットのための最初のGPSFSMフレームワークを紹介する。 我々は、ロボットシステムのための生成FSM計画を実用的で再現可能なオープンソースのROS2スタックをリリースする。
• 参考スコア（独自算出の注目度）: 0.6361348748202732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous robots operating in dynamic environments require behaviour planning systems that combine reactivity, interpretability, and adaptability. While Large Language Models have been successfully integrated with Behaviour Trees for dynamic replanning, Finite State Machines, despite their widespread adoption and computational efficiency, remain unexplored for generative approaches. We propose a Generative Partially Specified Finite State Machine (GPSFSM) neurosymbolic architecture that utilises the symbolic and semantic structure of FSMs, including states and event-triggered transitions, to implement Behaviour Planning. This paper introduces the first GPSFSM framework for robotics, featuring Fabric, an FSM engine that parses, validates, and executes behaviour plans that contain Sequential, Recovery, Parallel-Any, and Parallel-All control structures. We extend the Capabilities2 package in ROS2 with an asynchronous event system for behaviour chaining and runtime parameter injection for configurable execution, addressing the ad-hoc function representations that limit current generative systems. PromptTools provides a unified ROS 2 interface to local and cloud LLMs, with prompt buffering, enabling dynamic asynchronous composition of task and context information. Together, these components enable standardised semantic capability descriptions for robot-agnostic development. Experimental evaluation on navigation tasks demonstrates that our GPSFSM approach achieves consistently higher plan-generation success rates than the state-of-the-art BTGenBot system, particularly excelling in zero-shot scenarios where BTs typically struggle, while maintaining comparable or lower planning latency to frontier LLMs. We also demonstrate that our system can generate complex behaviours. We release an open-source ROS2 stack that makes generative FSM planning practical and reproducible for robotic systems.
• Abstract（参考訳）: 動的環境で動作する自律ロボットは、反応性、解釈可能性、適応性を組み合わせた行動計画システムを必要とする。 大規模言語モデルは動的再計画のためにビヘイビアツリーとうまく統合されているが、有限状態機械は広く採用され、計算効率が向上しているにもかかわらず、生成的アプローチでは探索されていない。 本研究では、状態やイベントトリガー遷移を含むFSMの記号構造と意味構造を利用したGPSFSM(Generative partialified Finite State Machine)ニューロシンボリックアーキテクチャを提案する。 本稿では,ロボットのための最初のGPSFSMフレームワークであるFabricを紹介する。Fabricは,シークエンシャル,リカバリ,並列-Any,並列-オール制御構造を含む動作計画の解析,検証,実行を行うFabricである。 ROS2のCapabilities2パッケージは、動作連鎖と実行時パラメータ注入のための非同期イベントシステムで拡張され、現在の生成システムを制限するアドホック関数表現に対処します。 PromptTools はローカルおよびクラウド LLM に統一された ROS 2 インターフェースを提供する。 これらのコンポーネントは、ロボットに依存しない開発のための標準化されたセマンティック機能記述を可能にする。 ナビゲーションタスクに関する実験的評価では、GPSFSMアプローチは、最先端のBTGenBotシステムよりも一貫してプランジェネレーションの成功率が高く、特にBTが通常苦労するゼロショットシナリオで優れている一方で、フロンティアLLMに匹敵する計画遅延や低い計画遅延を維持している。 また、我々のシステムは複雑な振る舞いを生成できることを示した。 我々は、ロボットシステムのための生成FSM計画を実用的で再現可能なオープンソースのROS2スタックをリリースする。

関連論文リスト

• Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
  非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。 我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。 すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
  論文  参考訳（メタデータ） (2026-06-25T16:36:35Z)
• SGA-MCTS: Decoupling Planning from Execution via Training-Free Atomic Experience Retrieval [74.1918709002557]
  我々は, LLM計画を非パラメトリック検索として活用するフレームワークである textbfSGA-MCTS を紹介する。 オンラインでは、検索増強剤は、関連するステート-ゴール-アクション原子を取得するために、ハイブリッドシンボリック-セマンティック機構を使用する。 SGA-MCTSは、探索の重い計算コストを効果的に減らし、System 1推論速度におけるシステム2推論の深さを達成し、スケーラブルかつリアルタイムに自律的な計画が実現可能である。
  論文  参考訳（メタデータ） (2026-04-16T07:22:36Z)
• ROSClaw: A Hierarchical Semantic-Physical Framework for Heterogeneous Multi-Agent Collaboration [9.434833852972353]
  ROSClawは、統一視覚言語モデル(VLM)コントローラにポリシー学習とタスク実行を統合する異種ロボットのためのエージェントフレームワークである。 自律的なクローズループフレームワークを確立することにより、ROSClawはロボット固有の開発への依存を最小限に抑える。
  論文  参考訳（メタデータ） (2026-04-06T13:16:24Z)
• RRT$^η$: Sampling-based Motion Planning and Control from STL Specifications using Arithmetic-Geometric Mean Robustness [7.121834057343983]
  RRT$は,時間点とサブ形式をまたいだロバストネス対策を統合するサンプリングベースの計画フレームワークである。 誘導信号が制限されたマルチ制約シナリオにおいて,従来のSTLロバスト性に基づくプランナよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2026-02-18T19:45:43Z)
• State and Memory is All You Need for Robust and Reliable AI Agents [29.259008600842517]
  大規模言語モデル(LLM)は、自然言語の理解と生成において強力な進歩を実現している。 しかし、複雑な現実世界の科学への応用は、記憶、計画、ツール統合の課題によって制限されている。 本稿では、LLMベースのエージェントが自律的に計画し、推論し、堅牢で信頼性の高いドメイン固有タスク実行を実現することができるモジュール型エージェントフレームワークであるSciBORGを紹介する。
  論文  参考訳（メタデータ） (2025-06-30T02:02:35Z)
• RoboCerebra: A Large-scale Benchmark for Long-horizon Robotic Manipulation Evaluation [59.9896841079005]
  長距離ロボット操作における高レベル推論評価のためのベンチマークであるRoboCerebraを紹介する。 データセットはトップダウンパイプラインを通じて構築され、GPTはタスク命令を生成し、それらをサブタスクシーケンスに分解する。 以前のベンチマークと比較すると、RoboCerebraはアクションシーケンスが大幅に長く、アノテーションがより密度が高い。
  論文  参考訳（メタデータ） (2025-06-07T06:15:49Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)

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。