Fugu-MT 論文翻訳(概要): Evidence-Gated Task and Motion Planning with Vision-Language Models

論文の概要: Evidence-Gated Task and Motion Planning with Vision-Language Models

arxiv url: http://arxiv.org/abs/2608.20084v1
Date: Thu, 20 Aug 2026 14:17:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.596285
Title: Evidence-Gated Task and Motion Planning with Vision-Language Models
Title（参考訳）: Evidence-Gated Task and Motion Planning with Vision-Language Models (特集:情報ネットワーク)
Abstract要約: 部分可観測性の下では、目標関連オブジェクトの可利用性は不確実である可能性がある。我々はEvidence Acquisition and Feasibility Gating (EAFG)を提案する。 EAFGは、VLMが生成した探索的なサブゴールとTAMPベースの実行を通じて視覚的証拠を取得する。
参考スコア（独自算出の注目度）: 8.674512100396601
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Robots executing long-horizon manipulation tasks from natural-language instructions must reason about both semantic task structure and geometric feasibility. However, under partial observability, the availability of goal-relevant objects may be uncertain. In such cases, approaches that combine Vision-Language Models (VLMs) with Task and Motion Planning (TAMP) may generate subgoals that rely on the VLM's prior knowledge without observational support, leading to execution failures or unintended outcomes. We propose Evidence Acquisition and Feasibility Gating (EAFG), a framework that acquires visual evidence through VLM-generated exploratory subgoals and TAMP-based execution. EAFG then applies a feasibility gate to decide whether to proceed with task planning, acquire further evidence, or halt. Our experiments show that, in cooking tasks with ambiguous object use, EAFG improves recipe completion by discovering task-relevant objects before planning. For instructions requiring an absent object, EAFG promotes appropriate halt decisions and reduces repeated attempts to manipulate that object.
Abstract（参考訳）: 自然言語命令から長距離操作タスクを実行するロボットは、意味的タスク構造と幾何学的実現可能性の両方を推論する必要がある。しかし、部分観測可能性の下では、目標関連天体の可利用性は不確実である可能性がある。このような場合、ビジョン・ランゲージ・モデル(VLM)とタスク・アンド・モーション・プランニング(TAMP)を組み合わせるアプローチは、VLMの以前の知識に依存したサブゴールを観察支援なしで生成し、実行失敗や意図しない結果をもたらす可能性がある。本稿では,VLMによる探索サブゴールとTAMPに基づく実行を通じて視覚的証拠を取得するフレームワークであるEvidence Acquisition and Feasibility Gating (EAFG)を提案する。 EAFGは、タスク計画を進めるか、さらなる証拠を取得するか、または停止するかを決定するために、実現可能なゲートを適用します。実験により,不明瞭な対象物を用いた調理作業において,EAFGは計画前にタスク関連物を発見することにより,レシピの完成度を向上することが示された。欠落したオブジェクトを必要とする命令に対して、EAFGは適切な停止決定を促進し、そのオブジェクトを操作する繰り返しの試みを減らす。

関連論文リスト

Plan Along the Way: Event-Triggered Foundation-Model Planning for TAMP Execution in Partially Observable Manipulation [1.37013665345905]
ROBUST TAMPは、リアクティブTAMPのためのモジュール式LLM/VLM誘導計画フレームワークである。システムは、完了アクション履歴と構造化されたリプランイベントコンテキストを用いて、可視的なシーン状態とリプランを再構築する。 6つのRLBench/CoppeliaSimキッチンと、非ターゲットオブジェクト発見、関節-コンテナ相互作用、時間的操作を含むグリル変種で評価を行う。
論文参考訳（メタデータ） (2026-08-28T08:44:47Z)
APIVOT: Adaptive Planning with Interleaved Vision-Language Thoughts [31.4625895558506]
ロングホライズンロボット計画には、意味的タスク構造と幾何学的実現可能性に関する共同推論が必要である。本稿では,長期計画のための言語と視覚的思考を適応的にインターリーブするVLMベースのプランナであるAPIVOTを提案する。
論文参考訳（メタデータ） (2026-07-09T01:02:35Z)
EV-WM: Event-Verified World Models for Long-Horizon Robotic Manipulation [0.815557531820863]
ロングホライゾン操作は、関係性、述語レベル、物理的に接地された進行信号を必要とする。我々は,ワールド・モデル・プランニングのための述語型検証フレームワークである textbfEV-WM を紹介する。
論文参考訳（メタデータ） (2026-06-11T08:35:37Z)
PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
論文参考訳（メタデータ） (2026-04-30T06:14:02Z)
Effective Task Planning with Missing Objects using Learning-Informed Object Search [12.369687852088859]
我々は、新しいモデルベースのLIOSアクションを中心とした計画フレームワークを開発する。高レベルのプランニングでは、LIOSアクションを決定論的として扱い、モデルベースの計算によって予測されるコストを計算することで、検索と実行をインターリーブするプランを生成する。シミュレーションされたProcTHORの家庭や実世界では、検索や食事準備といったタスクの学習や学習のベースラインよりも優れています。
論文参考訳（メタデータ） (2026-02-12T00:56:35Z)
Subgoal Graph-Augmented Planning for LLM-Guided Open-World Reinforcement Learning [0.0]
大規模言語モデル(LLM)は強化学習に強力な高レベル計画機能を提供する。 LLMは、セマンティックに妥当なサブゴールを生成するが、ターゲット環境では不可能または無関係である。 LLMの計画は自己検証と融合し、自信過剰で信頼性の低いサブゴールとなる。
論文参考訳（メタデータ） (2025-11-26T02:49:44Z)
Learning Affordances at Inference-Time for Vision-Language-Action Models [50.93181349331096]
ロボット工学において、VLA(Vision-Language-Action Model)は複雑な制御タスクを解くための有望な道を提供する。本稿では,VLAの低レベルポリシーを過去の経験を条件とした高レベルVLMに接続するLITEN(Learning from Inference-Time Execution)を紹介する。提案手法は,低レベルVLAの計画の生成と実行を行う推論フェーズと,その結果を反映した評価フェーズとを反復する。
論文参考訳（メタデータ） (2025-10-22T16:43:29Z)
LLM Agents Beyond Utility: An Open-Ended Perspective [50.809163251551894]
我々は、事前訓練されたLLMエージェントを、自身のタスクを生成し、知識を蓄積し、その環境と広範囲に相互作用する能力で強化する。複雑なマルチステップ命令を確実に追跡し、実行中に情報を保存、再利用し、独自のタスクを提案し、解決することができる。迅速な設計や反復的なタスク生成に敏感であり、自己表現を形成することができない。
論文参考訳（メタデータ） (2025-10-16T10:46:54Z)
LangPert: Detecting and Handling Task-level Perturbations for Robust Object Rearrangement [21.236557779562794]
LangPertはTLP(Task-Level Perturbations)の検出と緩和を目的とした言語ベースのフレームワークである。 LangPertはVisual Language Model (VLM)を統合し、ポリシーのスキル実行と環境TLPを包括的に監視する。実験の結果,LangPertはベースライン法よりも多種多様なTLP状況を効果的に処理できることがわかった。
論文参考訳（メタデータ） (2025-04-14T05:39:15Z)
Propose, Assess, Search: Harnessing LLMs for Goal-Oriented Planning in Instructional Videos [48.15438373870542]
VidAssistは、インストラクショナルビデオにおけるゼロ/フェーショット目標指向の計画のために設計された統合フレームワークである。最適な計画生成のための幅優先探索アルゴリズムを採用している。実験によると、VidAssistは異なる目標指向の計画設定のための統一されたフレームワークを提供する。
論文参考訳（メタデータ） (2024-09-30T17:57:28Z)
VSP: Assessing the dual challenges of perception and reasoning in spatial planning tasks for VLMs [102.36953558562436]
視覚言語モデル(VLM)は、エキサイティングな言語モデル(LM)のクラスである。 VLMの未調査能力の1つは、視覚空間計画である。本研究は,これらのモデルにおける空間計画能力を概ね評価するベンチマークを提案する。
論文参考訳（メタデータ） (2024-07-02T00:24:01Z)
Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文参考訳（メタデータ） (2023-12-29T14:00:20Z)

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。