論文の概要: APPROVE: Visual End-User-in-the-Loop Robot Programming with LLMs
- arxiv url: http://arxiv.org/abs/2608.19281v1
- Date: Wed, 19 Aug 2026 08:22:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.355926
- Title: APPROVE: Visual End-User-in-the-Loop Robot Programming with LLMs
- Title（参考訳）: APPROVE:LLMを使ったビジュアルエンドユーザー・ザ・ループロボットプログラミング
- Authors: Bijan Kavousian, Miray Özakkas, Josefine Monnet, Oliver Petrovic, Christian Brecher,
- Abstract要約: LLMベースのマルチモーダルエンドユーザープログラミングフレームワークであるAPPROVE(AI-Powered Programming for Robots with Visual End-User Feedback)を提案する。
生成されたプログラムはブロックベースのインターフェイスを使ってBlocklyで視覚化され、ユーザーは実行前にそれを確認、修正、拒否することができる。
提案手法は,ユーザ信頼,意図的アライメント,再利用性を重視したLLM型ロボットプログラミングの人間中心設計に寄与する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Programming robots remains challenging for non-experts, as traditional methods require expert knowledge and even block-based interfaces often lack flexibility. Recent work has explored Large Language Models (LLMs) to automatically generate robot programs from natural language, but these systems remain limited by a lack of transparency, missing mechanisms to ensure alignment with user intent, and little support for reuse. We present APPROVE (AI-Powered Programming for Robots with Visual End-User Feedback), an LLM-based multi-modal end-user programming framework that integrates natural language input with a block-based interface and an explicit user confirmation step. Generated programs are visualized using a block-based interface in Blockly, allowing users to confirm, modify, or reject them before execution. Confirmed functions are stored in a library for reuse, gradually building a set of reliable program components. Our approach contributes a human-centered design for LLM-based robot programming that emphasizes user trust, intent alignment, and reusability.
- Abstract（参考訳）: 従来の手法では専門家の知識が必要であり、ブロックベースのインターフェースにも柔軟性がない。
最近の研究は、自然言語からロボットプログラムを自動的に生成するLarge Language Models (LLMs) を探索しているが、これらのシステムは透明性の欠如、ユーザの意図と整合性を確保するためのメカニズムの欠如、再利用のサポートの欠如によって制限されている。
ブロックベースインタフェースと明示的なユーザ確認ステップを備えたLLMベースのマルチモーダルエンドユーザープログラミングフレームワークであるAPPROVE(AI-Powered Programming for Robots with Visual End-User Feedback)を提案する。
生成されたプログラムはブロックベースのインターフェイスを使ってBlocklyで視覚化され、ユーザーは実行前にそれを確認、修正、拒否することができる。
確認された関数はライブラリに格納され再利用され、信頼性の高いプログラムコンポーネントのセットが徐々に構築される。
提案手法は,ユーザ信頼,意図的アライメント,再利用性を重視したLLM型ロボットプログラミングの人間中心設計に寄与する。
関連論文リスト
- SkillComposer: Learning Reusable Skills for Natural-Language Robot Programming [15.199350753007339]
SkillComposerは、シミュレーション環境のための対話型自然言語ロボットプログラミングシステムである。
成功したプログラムは、オンラインライブラリ学習アルゴリズムによって保存され、処理される。
その結果、評価者誘導型世代と学習抽象は成功率とユーザビリティを向上させることが示された。
論文 参考訳（メタデータ） (2026-08-14T23:49:54Z) - Robo-Blocks: Generative Scaffolding in End-User Design and Programming of Social Robots [32.50504092559475]
大規模言語モデル(LLM)は、プログラミングとデザイナの意図に取って代わる重要な要素を曖昧にすることができる。
ブロックベースのプログラミング環境であるRobo-Blocksは、構造化された物語を通して、初心者ロボットプログラマが生成する足場をいかに提供するかを示す。
本稿では、生成的足場を効果的に活用するための設計思想と、ソーシャルロボットプログラミングの実践への統合について述べる。
論文 参考訳（メタデータ） (2026-05-27T08:39:01Z) - RoboCritics: Enabling Reliable End-to-End LLM Robot Programming through Expert-Informed Critics [25.430531368529685]
大規模言語モデル(LLM)は、自然言語によるタスク仕様の実現により、ロボットプログラミングの障壁を低くする可能性を秘めている。
本稿では,LLMに基づくロボットプログラミングを専門家インフォームドモーションレベルの批評家によって強化するアプローチであるRoboCriticsを紹介する。
論文 参考訳（メタデータ） (2026-03-06T20:02:53Z) - Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces [40.638726615548954]
本稿では,スキル実装のコントラクトとして機能を扱うとともに,大規模言語モデルを用いて自然言語ユーザ入力に基づくコード生成を行う手法を提案する。
このアプローチの重要な特徴は、既存のソフトウェアライブラリとインターフェース技術の統合です。
コード生成プロセスに独自のライブラリやリソースインターフェースを組み込むことができるフレームワークを導入する。
論文 参考訳（メタデータ） (2025-05-06T08:27:04Z) - Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。
本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。
Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
論文 参考訳（メタデータ） (2025-04-29T04:03:37Z) - Cocobo: Exploring Large Language Models as the Engine for End-User Robot Programming [3.041618201510648]
大規模言語モデル(LLMs)を利用した対話型ダイアグラムを備えた自然言語プログラミングシステムであるCocoboを紹介する。
Cocobo は LLM を使用してユーザのオーサリング意図を理解し、ロボットプログラムを生成し、説明し、実行可能なコードとフローチャート表現の変換を容易にする。
ユーザスタディによると、Cocoboは学習曲線が低く、コーディング経験のないユーザでもロボットプログラムをうまくカスタマイズできる。
論文 参考訳（メタデータ） (2024-07-30T10:13:00Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - WALL-E: Embodied Robotic WAiter Load Lifting with Large Language Model [92.90127398282209]
本稿では,最新のLarge Language Models(LLM)と既存のビジュアルグラウンドとロボットグルーピングシステムを統合する可能性について検討する。
本稿では,この統合の例としてWALL-E (Embodied Robotic WAiter load lifting with Large Language model)を紹介する。
我々は,このLCMを利用したシステムを物理ロボットに展開し,よりユーザフレンドリなインタフェースで指導誘導型把握タスクを実現する。
論文 参考訳（メタデータ） (2023-08-30T11:35:21Z) - PADL: Language-Directed Physics-Based Character Control [66.517142635815]
本稿では,文字が行うべきハイレベルなタスクと低レベルなスキルを指定するために,ユーザが自然言語コマンドを発行できるようにするPADLを提案する。
我々は,シミュレーションされたヒューマノイドキャラクタを効果的に誘導し,多種多様な複雑な運動能力を実現するために,本フレームワークを適用した。
論文 参考訳（メタデータ） (2023-01-31T18:59:22Z)
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。