論文の概要: SHRIMP: Iterative Refinement of Robot Task Plans

• arxiv url: http://arxiv.org/abs/2608.08884v1
• Date: Sun, 09 Aug 2026 19:47:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.985589
• Title: SHRIMP: Iterative Refinement of Robot Task Plans
• Title（参考訳）: SHRIMP: ロボットタスクプランの反復的リファインメント
• Abstract要約: 本稿では,自然言語を用いた階層型ロボットプリミティブプラン作成システムであるSHRIMPを紹介する。 SHRIMPを使えば、ユーザーはシミュレーションで自分の計画を検証でき、一度満足すれば、それを物理ロボット上で実行することができる。
• 参考スコア（独自算出の注目度）: 11.55595553334308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As collaborative robots have entered domains such as manufacturing, agriculture, and healthcare, programming or adapting robot behavior typically requires robotic expertise that most end users lack. Natural language lowers this barrier. Recent advancements in large language models (LLMs) have made it feasible to translate natural language into robot task plans. However, language-based task specification suffers from semantic ambiguity, and generative models lack transparency for how language instructions become robot actions, making it difficult for users to validate the plan before execution. To address these issues, we introduce SHRIMP, a system that allows users to automatically generate a hierarchical robot primitive plan using natural language and iteratively revise their plan through re-prompting and explicit correction. At each revision, SHRIMP allows users to validate their plan in simulation, and once satisfied, execute it on the physical robot. Through a user study involving participants planning tabletop kitchen tasks (n=35), we validate that SHRIMP improves perceived control and enhances robot transparency. System videos and source code are available at https://wisc-hci.github.io/SHRIMP.
• Abstract（参考訳）: 協調ロボットが製造業、農業、医療といった分野に参入するにつれ、プログラミングやロボットの振る舞いの適応には、ほとんどのエンドユーザが欠いているロボットの専門知識が必要である。 自然言語はこの障壁を低くする。 近年の大規模言語モデル(LLM)の進歩により、自然言語をロボットタスク計画に変換することが可能になった。 しかし、言語ベースのタスク仕様は意味的曖昧さに悩まされており、生成モデルは、言語命令がロボットアクションとなる方法の透明性を欠いているため、ユーザが実行前に計画を検証することは困難である。 これらの問題に対処するため,SHRIMPは,自然言語を用いて階層型ロボットのプリミティブプランを自動生成し,再プロンプトと明示的な修正によって計画を反復的に修正するシステムである。 各リビジョンにおいて、SHRIMPはユーザーがシミュレーションで自分の計画を検証し、一度満足すれば、それを物理ロボット上で実行することができる。 参加者がテーブルトップキッチンタスク(n=35)を計画するユーザスタディを通じて、SHRIMPが知覚制御を改善し、ロボットの透明性を高めることを検証する。 システムビデオとソースコードはhttps://wisc-hci.github.io/SHRIMP.comで入手できる。

関連論文リスト

• One For All: LLM-based Heterogeneous Mission Planning in Precision Agriculture [2.9440788521375585]
  我々は、非特殊主義者が異種ロボットを制御できる自然言語(NL)ロボットミッションプランナーを提案する。 我々のアーキテクチャは、人間の言語をさまざまなロボットプラットフォームで実行可能な中間記述にシームレスに翻訳します。 この研究は、精密農業におけるロボットの自動化を非技術ユーザーにとってよりアクセスしやすいものにするための重要なステップである。
  論文  参考訳（メタデータ） (2025-06-11T18:45:44Z)
• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Yell At Your Robot: Improving On-the-Fly from Language Corrections [84.09578841663195]
  高いレベルのポリシーは、人間のフィードバックによって言語修正の形で容易に管理できることを示す。 このフレームワークは、ロボットがリアルタイムの言語フィードバックに迅速に適応するだけでなく、このフィードバックを反復的なトレーニングスキームに組み込むことを可能にする。
  論文  参考訳（メタデータ） (2024-03-19T17:08:24Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)
• LaTTe: Language Trajectory TransformEr [33.7939079214046]
  本研究は、汎用的な3次元ロボット軌道を修正するための柔軟な言語ベースのフレームワークを提案する。 自然言語入力と文脈イメージを3次元軌跡の変化にマッピングするために,自動回帰変換器を用いる。 シミュレーションや実生活実験を通じて、モデルが人間の意図に従うことができることを示す。
  論文  参考訳（メタデータ） (2022-08-04T22:43:21Z)
• Correcting Robot Plans with Natural Language Feedback [88.92824527743105]
  ロボットの修正のための表現的かつ柔軟なツールとして自然言語を探索する。 これらの変換により、ユーザは目標を正し、ロボットの動きを更新し、計画上のエラーから回復できる。 本手法により,シミュレーション環境や実環境において,複数の制約を合成し,未知のシーン,オブジェクト,文に一般化することが可能となる。
  論文  参考訳（メタデータ） (2022-04-11T15:22:43Z)
• Reshaping Robot Trajectories Using Natural Language Commands: A Study of Multi-Modal Data Alignment Using Transformers [33.7939079214046]
  我々は、人間とロボットのコラボレーションのための柔軟な言語ベースのインタフェースを提供する。 我々は、ユーザコマンドをエンコードする大規模言語モデルの分野における最近の進歩を生かしている。 言語コマンドによって修正されたロボット軌跡を含むデータセット上で、模倣学習を用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-25T01:36:56Z)
• Learning Language-Conditioned Robot Behavior from Offline Data and Crowd-Sourced Annotation [80.29069988090912]
  本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。 クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。 提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-02T17:42:13Z)

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。