論文の概要: Plan Along the Way: Event-Triggered Foundation-Model Planning for TAMP Execution in Partially Observable Manipulation
- arxiv url: http://arxiv.org/abs/2608.28075v1
- Date: Fri, 28 Aug 2026 08:44:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.256111
- Title: Plan Along the Way: Event-Triggered Foundation-Model Planning for TAMP Execution in Partially Observable Manipulation
- Title（参考訳）: 沿道の計画: 部分的に観測可能な操作におけるTAMP実行のためのイベントトリガー基礎モデル計画
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.37013665345905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Manipulation in partially observable environments requires planning under incomplete scene information. In such settings, an initially valid plan may execute successfully yet remain insufficient for task completion. Existing foundation-model-guided task and motion planning (TAMP) systems can generate useful long-horizon task decompositions, subgoals, or constraints, but they often assume having access to a fully specified scene state or invoke model-level replanning after a subgoal, refinement, or execution attempt fails. We present ROBUST TAMP, a modular LLM/VLM-guided planning framework for reactive TAMP where unseen task-relevant and non-target objects may become visible during execution. The framework restricts the foundation-model planner to the currently visible relational scene state, validates generated task-level actions against a strict executable interface, and routes the accepted actions to scene-specific execution adapters. Object discovery is treated as a distinct replanning event and, after a stable execution horizon, the system reconstructs the visible scene state and replans using completed-action history and structured replanning event context. Evaluations are performed on six RLBench/CoppeliaSim kitchen and grill variants involving hidden objects, non-target object discovery, articulated-container interaction, and temporal manipulation procedures. We compare text-only LLM and VLM planners of different sizes under the same validation, execution, monitoring, and replanning pipeline, reporting task success, partial goal completion, discovery- and failure-triggered replanning behavior, implicit non-target-object handling, and planner inference cost.
- Abstract（参考訳）: 部分的に観測可能な環境での操作には、不完全なシーン情報の下での計画が必要である。
このような設定では、初期有効な計画は正常に実行されるが、タスク完了には不十分である。
既存の基盤モデル誘導型タスク・アンド・モーション・プランニング(TAMP)システムは、有用な長距離タスクの分解、サブゴール、制約を生成することができるが、しばしば、完全に指定されたシーンの状態にアクセスしたり、サブゴール、リファインメント、実行の試みが失敗した後にモデルレベルのリプランングを実行する。
ROBUST TAMPはモジュール型LLM/VLM誘導型リアクティブTAMPの計画フレームワークである。
このフレームワークは、ファンデーションモデルプランナーを現在の可視なリレーショナルシーンの状態に制限し、厳密な実行可能なインターフェースに対して生成されたタスクレベルのアクションを検証するとともに、受け入れたアクションをシーン固有の実行アダプタにルーティングする。
オブジェクト発見は、個別のリプランニングイベントとして扱われ、安定した実行地平線の後、システムは可視的なシーン状態を再構築し、完了アクション履歴と構造化されたリプランニングイベントコンテキストを用いてリプランする。
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。
我々は、同一の検証、実行、監視、再計画パイプライン、タスク成功の報告、部分ゴール完了、発見および失敗トリガーされた再計画行動、暗黙の非ターゲットオブジェクトハンドリング、プランナー推論コストに基づいて、テキストのみのLLMとVLMプランナを比較した。
関連論文リスト
- Evidence-Gated Task and Motion Planning with Vision-Language Models [8.674512100396601]
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。
論文 参考訳（メタデータ） (2026-08-20T14:17:52Z) - WorldScape Policy 2.0: Empowering Steerable World Action Modeling with Reasoning-Augmented Memory [50.19449886428936]
We introduced WorldScape Policy 2.0, a controllable WAM with reasoning-augmented long long-term memory。
検索された履歴は、認識と自己回帰的に生成された計画トークンを増大させ、自律的な計画のための暗黙のサブゴール条件をもたらす。
シミュレーションと実世界のプラットフォームにおける実験は、長期の自律計画、きめ細かい指示、文脈内適応において優れた能力を示す。
論文 参考訳（メタデータ） (2026-07-21T08:25:37Z) - GCNGrasp-VP: Affordance-Guided View Planning for Efficient Task-Oriented Grasping [5.388304847250797]
GCNGrasp-VPは、アベイランスフィールド予測とアクティブなビュープランニングを統合した効率的なフレームワークである。
本手法は,一視点調整のみで,シーン不確実性駆動ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-06-17T13:59:19Z) - Coarse-to-Control: Action-Token Planning for Vision-Language-Action Models [101.44987067974999]
Coarse-to-Controlは計画実行VLAで、アクション・ツー・ケンの領域で計画を導入する。
アクション・ツー・ケイン・プランニングは直接アクション・ジェネレーションよりも一貫して改善されていることを示す。
論文 参考訳（メタデータ） (2026-06-05T10:01:37Z) - AsgardBench -- Evaluating Visually Grounded Interactive Planning Under Minimal Feedback [28.254110943200683]
AsgardBenchは、視覚的に基礎があり、ハイレベルなアクションシーケンス生成と対話的な計画を評価することを目指している。
評価の結果,視覚的入力を使わずに性能が急激に低下し,視覚的接地や状態追跡の弱点が明らかとなった。
私たちのベンチマークでは,より限定的な疑問に言及しています – 期待通りに進まなければ,実際に計画に適応するために,モデルが見ているものを使用することは可能ですか?
論文 参考訳（メタデータ） (2026-03-16T20:31:43Z) - Hindsight Planner: A Closed-Loop Few-Shot Planner for Embodied Instruction Following [62.10809033451526]
本研究は,Large Language Models (LLM) を用いた Embodied Instruction following (EIF) タスクプランナの構築に焦点をあてる。
我々は,このタスクを部分観測可能なマルコフ決定プロセス (POMDP) として構成し,数発の仮定で頑健なプランナーの開発を目指す。
ALFREDデータセットに対する我々の実験は、プランナーが数ショットの仮定で競争性能を達成することを示す。
論文 参考訳（メタデータ） (2024-12-27T10:05:45Z) - AutoGPT+P: Affordance-based Task Planning with Large Language Models [6.848986296339031]
AutoGPT+Pは、余裕に基づくシーン表現と計画システムを組み合わせたシステムである。
提案手法は,現在最先端のLCM計画手法であるSayCanの81%の成功率を超え,98%の成功率を達成した。
論文 参考訳（メタデータ） (2024-02-16T16:00:50Z) - 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) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - Embodied Task Planning with Large Language Models [86.63533340293361]
本研究では,現場制約を考慮した地上計画のための具体的タスクにおけるTAsk Planing Agent (TaPA)を提案する。
推論の際には,オープンボキャブラリオブジェクト検出器を様々な場所で収集された多視点RGB画像に拡張することにより,シーン内の物体を検出する。
実験の結果,我々のTaPAフレームワークから生成されたプランは,LLaVAやGPT-3.5よりも大きなマージンで高い成功率が得られることがわかった。
論文 参考訳（メタデータ） (2023-07-04T17:58:25Z)
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。