論文の概要: Legislating World-Model-Based Planning with Legal Reasoning
- arxiv url: http://arxiv.org/abs/2609.15113v2
- Date: Wed, 16 Sep 2026 21:58:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.409761
- Title: Legislating World-Model-Based Planning with Legal Reasoning
- Title（参考訳）: 法的推論による世界モデルベースプランニングの合法化
- Abstract要約: 本稿では,ロボットの規範制御における重要な課題として,接地同型ギャップと存在論的同型ギャップの2つを考察する。
本稿では、DDL(Dedeasible Deontic Logic)を用いて、運動プランナを制約する法的計画スタックを提案する。
3x3グリッドで立方体を押すシミュレーションロボットアーム上に展開された。
- 参考スコア（独自算出の注目度）: 13.125815933562633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As robotic systems grow more general, legal norms are needed to integrate them into society. This paper extends the isomorphism problem of aligning legal source texts with their encodings, and measures two key challenges to robot normative control: (1) the grounding isomorphism gap, where perception error grounds false atoms for legal reasoning, and (2) the ontological isomorphism gap, where one legal conclusion admits many faithful translations into planning constraints. The paper introduces a legal planning stack that employs Defeasible Deontic Logic (DDL) to constrain a motion planner. The stack leverages learned world models to plan and to provide legal context, enabling ex ante governance that intervenes before an illegal action is executed. It was deployed on a simulated robot arm pushing a cube across a 3x3 grid. The findings were (1) the legislated agent abided substantially more often than the non-legislated one, and modeling perception uncertainty lifted abidance even further, (2) the legal reasoning ran efficiently at runtime and its verdicts were auditable, and (3) the stack adapted to exogenous signals and endogenous rule changes. Both gaps were measured: (4) world model and probe error corrupted the factual input for the DDL reasoner, and (5) a single law admitted several faithful metric interpretations yielding drastically different abidance. Thus, ex ante legislation functions as intended, and closing these gaps with a standardized mapping from the law to runtime constraints and improved fact grounding from perception will yield robust laws that align robot behavior with society's norms. Project page: https://dylanwaldner-cail.github.io/Legislated-Planner/.
- Abstract（参考訳）: ロボットシステムがより一般的になるにつれて、それらを社会に組み込むには法的な規範が必要である。
本稿では,法典テキストを符号化と整合させる同型問題を拡張し,(1) 認識誤差が法理的推論のために偽原子を根拠とする基底的同型間隙,(2) 法的な結論が多くの忠実な翻訳を計画的制約に含める存在論的同型間隙という,ロボットの規範的制御に対する2つの重要な課題を測る。
本稿では、DDL(Dedeasible Deontic Logic)を用いて、運動プランナを制約する法的計画スタックを提案する。
このスタックは、学習した世界モデルを利用して計画し、法的コンテキストを提供する。
3x3グリッドで立方体を押すシミュレーションロボットアーム上に展開された。
その結果,(1)正当性エージェントは非正当性エージェントよりもかなり頻度が高く,また,認識の不確かさのモデル化はさらに阻害され,(2)実行時に効率よく動作し,その判断が監査可能となり,(3)外因性信号や内因性規則の変化に適応したスタックが得られた。
両者のギャップを計測した:(4)世界モデルとプローブ誤差は、DDL推論器の実際の入力を破損させ、(5)1つの法則は、いくつかの忠実なメートル法解釈を許容し、著しく異なるアビダンスをもたらす。
したがって、排他的法律は意図したとおり機能し、これらのギャップを法からランタイム制約への標準化されたマッピングで閉じ、認識に基づく事実の改善は、ロボットの行動と社会の規範とを整合させる堅牢な法則をもたらす。
プロジェクトページ: https://dylanwaldner-cail.github.io/Legi intended-Planner/。
関連論文リスト
- Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - Legal2LogicICL: Improving Generalization in Transforming Legal Cases to Logical Formulas via Diverse Few-Shot Learning [1.315248337031741]
本研究は,最近のNLPの進歩とLLMを用いた法領域適応型少ショット学習技術を統合することにより,論理ベースの法理推論システムの一般化をめざす。
本稿では,潜在意味表現レベルと法的テキスト構造レベルの両方において,経験者の多様性と類似性のバランスをとる,数ショットの検索フレームワークであるLegal2LogicICLを紹介する。
提案手法は,自然言語の判例記述を論理表現に変換する際の精度,安定性,一般化を著しく向上させる。
論文 参考訳（メタデータ） (2026-04-13T16:36:48Z) - WisdomInterrogatory (LuWen): An Open-Source Legal Large Language Model Technical Report [55.27414605169639]
Wesdom Interrogatory (LuWen)は,バイチュン基礎モデルに基づいて構築された,オープンソースの中国語の法律モデルである。
予測と生成の両方にまたがる5つの代表的な法的課題についてLuWenを評価する。
論文 参考訳（メタデータ） (2026-04-08T06:59:07Z) - When AI output tips to bad but nobody notices: Legal implications of AI's mistakes [0.0]
生成AIは、AIが完全に本物に見える架空の事件法、法令、司法権を構成する危険な失敗モードを導入する。
このような行為を無意識に報告する司法官は、 専門的な制裁、 不正行為の暴露、 評判の悪影響に直面している。
法律専門家、裁判所、規制当局が、古いブラックボックスのメンタルモデルを、これらのシステムが実際にどのように失敗するかに基づいた検証プロトコルで置き換えることを提案します。
論文 参考訳（メタデータ） (2026-03-25T02:34:47Z) - LawThinker: A Deep Research Legal Agent in Dynamic Environments [51.782293183431676]
ローシンカー(LawThinker)は、アメリカ合衆国の法律研究者。
あらゆる知識探索のステップの後に、検証をアトミックな操作として実施する。
LawThinkerは、直接的な推論よりも24%改善している。
論文 参考訳（メタデータ） (2026-02-12T15:19:11Z) - LegalOne: A Family of Foundation Models for Reliable Legal Reasoning [54.57434222018289]
我々は、中国の法律ドメインに特化された基礎モデルのファミリーであるLegalOneを紹介します。
LegalOneは、法的推論をマスターするために設計された包括的な3フェーズパイプラインを通じて開発されている。
LegalOneの重み付けとLegalKit評価フレームワークを公開して、Legal AIの分野を前進させます。
論文 参考訳（メタデータ） (2026-01-31T10:18:32Z) - Statutory Construction and Interpretation for Artificial Intelligence [19.65776192762091]
同一規則の異なる解釈が不整合あるいは不安定なモデル行動を引き起こすことを示す。
本稿では2つの法的メカニズムを反映した計算フレームワークを提案する。
私たちのアプローチは、解釈的曖昧さを体系的に管理するための第一歩を提供します。
論文 参考訳（メタデータ） (2025-09-01T07:10:22Z) - Legal$Δ$: Enhancing Legal Reasoning in LLMs via Reinforcement Learning with Chain-of-Thought Guided Information Gain [21.20249684727035]
我々は、チェーン・オブ・インフォメーションによる法的推論を強化するために、Legal$Delta$を提案する。
Legal$Delta$はデュアルモードの入力設定と直接応答と推論拡張モードを使用する。
ラベル付き嗜好データに頼ることなく、一貫してより堅牢で信頼できる法的判断を下す。
論文 参考訳（メタデータ） (2025-08-17T08:10:08Z) - RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models [58.69183479148083]
法的判断予測(LJP)は、法的AIにおいて重要な課題である。
既存のLJPモデルは、高いパフォーマンスのために司法上の前例と法的な知識を統合している。
しかし彼らは、厳密な論理分析を必要とする法的判断の重要な要素である法的推論論理を無視している。
本稿では、一階述語論理(FOL)形式と比較学習(CL)に基づく規則強化された法的判断予測フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-27T14:50:21Z) - AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。
我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。
その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
論文 参考訳（メタデータ） (2025-02-28T19:14:48Z)
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。