論文の概要: Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs

• arxiv url: http://arxiv.org/abs/2608.22657v1
• Date: Sun, 23 Aug 2026 23:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.822915
• Title: Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs
• Title（参考訳）: 物理エージェントAI:LLMでロボット船をオーケストレーションするアーキテクチャ
• Authors: Xinyuan Liu, Eren Sadikoglu, Riana Chatterjee, Ransalu Senanayake,
• Abstract要約: 本稿では,スキルグラウンドロボットエージェントオーケストレーションのためのフレームワークであるPhysical Agentic AIを紹介する。 ロボットオーケストレーションレイヤは、スキルライブラリ、ロボット状態、名前付きロケーション、ワークフローコントラクトを非アクチュエータミッションプランナに公開する。 我々は,ガゼボで全条件で全ミッションが実行され,ドローン-UGV検索・ディスパッチミッションを評価する。
• 参考スコア（独自算出の注目度）: 6.2312877626161205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic AI frameworks interpret open-ended task goals and decompose them into multi-step plans. Richer information about embodiment-specific capabilities, physical preconditions, and cross-robot coordination improves grounding, but does not eliminate infeasible, mistimed, or unsafe physical actions. Physical robot crews therefore require an explicit architectural interface between semantic planning and execution, where every planned action is verified against robot capabilities, system state, and workflow constraints before actuation. This paper introduces Physical Agentic AI, a framework for skill-grounded robot agent orchestration, in which each robot exposes a typed library of executable skills while a foundation model planner decomposes a task into phases and assigns each phase to a robot-skill pair. A Robot Orchestration layer exposes the skill library, robot state, named locations, and workflow contracts to a non-actuating Mission Planner, while a deterministic Robot Orchestrator validates and authorizes one skill at a time. We evaluate on a drone-UGV search-and-dispatch mission, where every mission in every condition is executed live in Gazebo, and on a humanoid-quadruped transportation task using hardware-equivalent skill interfaces plus two physical trials on a Unitree G1 and Go2. Varying planner knowledge and runtime enforcement independently, we find that retrieval raises skill grounding from 51% to 96% yet leaves informed planners dispatching 23-29% of faulted steps. Per-dispatch enforcement reduces false dispatch to 0% with no false blocks, and a held-plan ablation confirms that the gate, not plan variation, is responsible. Live execution makes the difference physical: without enforcement all eight injected faults crossed the orchestration boundary and six produced robot motion; with enforcement all eight were refused before motion.
• Abstract（参考訳）: エージェントAIフレームワークは、オープンエンドのタスク目標を解釈し、それらを多段階計画に分解する。 具体的能力、身体的前提条件、ロボット間の協調に関するより豊かな情報は、接地を改善するが、実用性、悪用、安全でない身体的行動を排除しない。 そのため、物理的なロボット乗組員は、セマンティックな計画と実行の間に明確なアーキテクチャ的インターフェースを必要とし、そこでは、すべての計画されたアクションがアクティベーション前のロボット能力、システム状態、ワークフローの制約に対して検証される。 本稿では,基礎モデルプランナがタスクをフェーズに分解し,各フェーズをロボットスキルペアに割り当てる一方で,各ロボットが実行可能なスキルの型付きライブラリを公開する,スキル接地型ロボットエージェントオーケストレーションのフレームワークであるPhysical Agentic AIを紹介する。 ロボットオーケストレーションレイヤは、スキルライブラリ、ロボット状態、名前付きロケーション、ワークフローコントラクトを非アクチュエータのミッションプランナに公開し、決定論的ロボットオーケストレーションは、一度に1つのスキルを検証する。 我々は,ガゼボで全条件で実施されるドローンUGVサーチ・ディスパッチミッションと,ハードウェアに等価なスキルインターフェースとUnitree G1とGo2の2つの物理トライアルを用いたヒューマノイド・クワッドループ輸送タスクを評価する。 プランナーの知識と実行時の執行を独立して行うと、検索は51%から96%にスキルベースを引き上げるが、情報プランナーは23～29%の障害ステップをディスパッチする。 ディスパッチの実施により、偽のブロックを使わずに偽のディスパッチを0%に減らし、保持された計画アブレーションにより、計画の変化ではなくゲートが責任を負うことが確認される。 8つのインジェクトされた断層は全て、オーケストレーション境界を越えて6つのロボットの動きを発生させ、すべての8つの障害は、動作前に拒絶された。

関連論文リスト

• ETA: A New Agentic Paradigm for Embodied Tasks [76.25893120982523]
  本稿では,デジタルエージェントを物理世界へ拡張するための新しいパラダイムであるEmbodied Task Agent(ETA)を紹介する。 ETAは、一度に1つのツールコールを選択するPlanner、実行を制御するInterface、結果と新鮮な観察を返送するWorldを中心にロボットを集中させる。 ETAは、置換可能なPlanner、構成可能なツールとスキル、監査可能なメモリ、再生可能なトラジェクトリ、シミュレーションと実際のロボットのための一般的なインターフェースを提供する。
  論文  参考訳（メタデータ） (2026-08-04T16:56:09Z)
• HoloAgent-0: A Unified Embodied Agent Framework with 3D Spatial Memory [13.283448291226597]
  HoloAgent-0は、現実世界のロボット展開のための統合型エージェントフレームワークである。 クローズドループ実行のためのEmbodied AgentOS、物理世界接地のための3D空間記憶、ロボットアクションのための具体的スキルである。 実ハードウェアにHoloAgent-0をデプロイし,その空間記憶,長距離ナビゲーション,動作生成,オブジェクト探索,クロスロボットコーディネーション,移動操作によるクローズループ実行を評価した。
  論文  参考訳（メタデータ） (2026-06-22T16:31:48Z)
• Harness Engineering for Physical AI: Robot Middleware Is the Harness Layer [14.262395972290564]
  物理AIハーネスは、制御、コンピューティング、通信を同時に仲介する必要がある。 プロジェクションは各出力を出力時にゲートし、分離はモデルの実行と送信スロットをバウンドし、Transferはチェックが失敗したときに検証されたベースラインにフォールバックする。 私たちはこれを、AIモデルの宣言された出力領域、推論予算、運用体制を含むデプロイメントアーティファクトであるROS 2 Profileとしてスケッチします。
  論文  参考訳（メタデータ） (2026-06-08T12:29:54Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Grounding Language Models in Autonomous Loco-manipulation Tasks [3.8363685417355557]
  異なるシナリオにおけるタスクに基づいて行動を学び、選択し、計画する新しいフレームワークを提案する。 我々は,大規模言語モデル(LLM)の計画と推論機能を活用し,階層的なタスクグラフを構築する。 CENTAUROロボットを用いたシミュレーションおよび実世界の実験により、言語モデルに基づくプランナーが、新しいロコ操作タスクに効率的に適応できることが示されている。
  論文  参考訳（メタデータ） (2024-09-02T15:27:48Z)
• 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)
• SEAL: Semantic Frame Execution And Localization for Perceiving Afforded Robot Actions [5.522839151632667]
  本稿では,ロボット操作行動のセマンティックフレーム表現を拡張し,セマンティックフレーム実行と局所化の問題をグラフィカルモデルとして導入する。 SEAL問題に対して、ロボットに与えられた行動の場所として、有限のセマンティックフレームに対する信念を維持するための非パラメトリックセマンティックフレームマッピング(SeFM)アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2023-03-24T15:25:41Z)
• Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining [0.6091702876917281]
  本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。 コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。 本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
  論文  参考訳（メタデータ） (2020-09-19T03:13:28Z)

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。