論文の概要: OntoPlan: An Ontology-Grounded Scene Representation and Agentic Framework for Scalable Robot Task Planning

• arxiv url: http://arxiv.org/abs/2610.07649v1
• Date: Tue, 06 Oct 2026 02:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.763702
• Title: OntoPlan: An Ontology-Grounded Scene Representation and Agentic Framework for Scalable Robot Task Planning
• Title（参考訳）: OntoPlan: スケーラブルなロボットタスク計画のためのオントロジーを取り巻くシーン表現とエージェントフレームワーク
• Abstract要約: 大規模言語モデル(LLM)をベースとしたロボットタスク計画では,大規模環境下での長期タスクの劣化が期待できる。 命令を解釈し,タスク関連情報を選択的に検索し,目標と制約を定式化し,実行可能な計画を生成する,エージェントフレームワークであるOntoPlanを提案する。
• 参考スコア（独自算出の注目度）: 1.9312921171091488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-based robot task planning is promising for open-ended instruction following, but degrades on long-horizon tasks in large environments. When spatial information is conveyed to the LLM through text, the model can fail to capture spatial context, and token cost grows with environment size. Generating action sequences directly with an LLM also makes it difficult to satisfy the current world state and action preconditions. We address this with an ontology-grounded scene representation that aligns objects, spaces, relations, and states in a shared symbolic vocabulary for spatial reasoning and task planning, and with OntoPlan, an agentic framework that interprets instructions, selectively retrieves task-relevant information, formalizes goals and constraints, and produces executable plans. Across 150 general tasks spanning five indoor environments and three scene scales, OntoPlan achieves 0.89 average task success, compared with 0.27 for the strongest baseline, while using 18.1k total tokens per task on average, about 5.6$\times$ fewer than the most efficient baseline. These advantages persist as scene scale increases, whereas prior methods degrade more sharply in success and remain far more costly in tokens. OntoPlan also responds appropriately to ambiguous or infeasible instructions by asking follow-up questions or reporting insufficient information rather than committing to invalid plans. Code available at https://github.com/namhyeongwoo/OntoPlan.
• Abstract（参考訳）: 大規模言語モデル(LLM)をベースとしたロボットタスク計画では,大規模環境下での長期タスクの劣化が期待できる。 テキストを通じて空間情報がLLMに伝達されると、空間的コンテキストを捕捉できず、トークンのコストは環境サイズとともに増大する。 LLMで直接アクションシーケンスを生成することも、現在の世界状態とアクション前提条件を満たすのを難しくする。 本研究では,空間的推論とタスク計画のための共有シンボル語彙でオブジェクト,空間,関係,状態を整列するオントロジー的シーン表現と,命令を解釈し,タスク関連情報を選択的に検索し,目標と制約を形式化し,実行可能な計画を生成するエージェントフレームワークであるOntoPlanを用いて,この問題に対処する。 5つの屋内環境と3つのシーンスケールにまたがる150の一般的なタスクの中で、OntoPlanは平均タスク成功率0.89で、最強のベースラインは0.27で、平均18.1kのトークンを使用し、最も効率的なベースラインよりも約5.6$\times$低い。 これらの利点はシーンスケールが大きくなるにつれて持続するが、先行の手法は成功率を著しく低下させ、トークンのコストをはるかに高めている。 OntoPlanはまた、フォローアップ質問をしたり、無効な計画にコミットするのではなく、不十分な情報を報告することによって、曖昧で非実用的な指示に適切に応答する。 コードはhttps://github.com/namhyeongwoo/OntoPlan.comで公開されている。

関連論文リスト

• Actively Resolving Contextual Uncertainty for Underspecified Tasks in Natural Language [58.02938677145988]
  CLUE(Closed-Loop contextual Uncertainty rEsolution)は、自然言語で与えられた文脈の不確実性を解決するためのフレームワークである。 CLUEはボストン・ダイナミクス・スポットに15のタスクにまたがる屋内と屋外の3つの環境に展開します。
  論文  参考訳（メタデータ） (2026-09-24T18:22:15Z)
• Scale-Plan: Scalable Language-Enabled Task Planning for Heterogeneous Multi-Robot Teams [11.964765256346857]
  不均質なマルチロボットシステムのための長期タスクプランニングは、実環境における協調チームの配置に不可欠である。 自然言語命令からタスク関連問題表現をコンパクトに生成する,スケーラブルなLLM支援フレームワークであるScale-Planを提案する。 計画に先立って無関係な情報をフィルタリングすることにより、スケールプランは効率的な分解、割り当て、長期計画生成を可能にします。
  論文  参考訳（メタデータ） (2026-03-09T18:13:18Z)
• Any House Any Task: Scalable Long-Horizon Planning for Abstract Human Tasks [46.59814877000871]
  AHAT(Any House Any Task)は、大規模環境における長期計画に最適化された家庭用タスクプランナーである。 AHATは、タスク命令とテキストシーングラフを計画ドメイン定義言語(PDDL)で定義された接地サブゴールにマッピングするために訓練されたLLMを利用する 複雑で曖昧な意図を分解するモデルの能力を高めるために,新しい強化学習アルゴリズムであるTGPOを導入する。
  論文  参考訳（メタデータ） (2026-02-12T18:28:28Z)
• Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
  CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。 CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。 反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
  論文  参考訳（メタデータ） (2024-09-19T04:13:58Z)
• 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)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• SayPlan: Grounding Large Language Models using 3D Scene Graphs for Scalable Robot Task Planning [15.346150968195015]
  本研究では,3次元シーングラフ(DSG)表現を用いた大規模タスクプランニングのスケーラブルなアプローチであるSayPlanを紹介する。 我々は,最大3フロア,36部屋,140部屋までの大規模な2つの環境に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-07-12T12:37:55Z)
• 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)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)

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。