論文の概要: CIRRA: Dual-Level Continual Instruction Reconciliation with Ongoing Execution for Embodied Robot Agents in Interactive Household Tasks

• arxiv url: http://arxiv.org/abs/2610.08862v1
• Date: Mon, 05 Oct 2026 19:14:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-08 13:19:30.094109
• Title: CIRRA: Dual-Level Continual Instruction Reconciliation with Ongoing Execution for Embodied Robot Agents in Interactive Household Tasks
• Title（参考訳）: CIRRA: 対話型家庭作業におけるロボットエージェントの実施による2段階連続的指導の調整
• Abstract要約: 家庭ロボットは、進行中のタスクを実行している間に、新しいユーザー指示を許容しなければならない。 既存のエージェントは、しばしば残りのタスクシーケンスを再生または広範囲に更新する。 CIRRA(Continual Instruction Reconciliation for Robot Agents)を提案する。
• 参考スコア（独自算出の注目度）: 32.50749324061925
• License:
• Abstract: Household robots must accommodate new user instructions while executing ongoing tasks. Existing agents often regenerate or extensively revise the remaining task sequence, introducing plan ambiguity, logical inconsistency, and redundant execution. We formulate continual instruction reconciliation and propose CIRRA (Continual Instruction Reconciliation for Robot Agents), a dual-level framework combining LLM-based semantic reasoning with rule-constrained structural integration. CIRRA first grounds incoming instructions to unique executable skills and resolves underspecified actions and execution locations. It then preserves the ongoing subtask sequence as an execution backbone and generates integration candidates by inserting incoming subtasks into location-matched segments. The semantic reasoner evaluates only modified segments to identify dependencies and conflicts and select the most logically coherent local integration. This structure-preserving process maintains alignment with ongoing execution, mitigates ambiguity and inconsistency, and reuses shared subtasks to reduce redundant execution. We also introduce CHIRP (Continual Household Instruction Reconciliation and Planning), a text-based benchmark of 120 episodes across eight household environments and six categories of everyday activities. On CHIRP, CIRRA achieves 74.2% decision agreement, exceeding the strongest replanning baseline by 30 percentage points; every correct fusion decision yields a correctly placed, conflict-free schedule. On a Unitree G1 humanoid, CIRRA interrupts ongoing skills at the correct moment in every trial and significantly outperforms all baselines on every metric.
• Abstract（参考訳）: 家庭ロボットは、進行中のタスクを実行している間に、新しいユーザー指示を許容しなければならない。 既存のエージェントは、しばしば残りのタスクシーケンスを再生または広範囲に修正し、プランの曖昧さ、論理的不整合、冗長な実行を導入します。 我々は,LLMに基づく意味論的推論と規則制約のある構造的統合を組み合わせた2段階のフレームワークであるCIRRA(Continual Instruction Reconciliation for Robot Agents)を提案する。 CIRRAはまず、入力した命令をユニークな実行可能なスキルに置き、不特定なアクションと実行場所を解決します。 その後、進行中のサブタスクシーケンスを実行バックボーンとして保存し、入力したサブタスクをロケーションマッチングセグメントに挿入することで統合候補を生成する。 セマンティック推論は、依存関係と競合を識別し、最も論理的に一貫性のある局所的な統合を選択するために、修正されたセグメントのみを評価する。 この構造保存プロセスは、進行中の実行と整合性を維持し、あいまいさと矛盾を緩和し、共有サブタスクを再利用して冗長な実行を減らす。 また, ChiRP (Continual Household Instruction Reconciliation and Planning) は, 8つの家庭環境と6つの日常活動のカテゴリにまたがる120エピソードのテキストベースのベンチマークである。 CHIRPでは、CIRRAは74.2%の決定合意を達成し、最強のリプランベースラインを30ポイント超えた。 ユニツリーG1ヒューマノイドでは、CIRRAは全てのトライアルにおいて正しいタイミングで進行中のスキルを中断し、全てのメートル法における全てのベースラインを著しく上回る。

関連論文リスト

• Design and Evaluation of LLM Chaining-Based Task Planning for General Purpose Service Robots [0.0]
  汎用サービスロボット(GPSR)タスクは、多様な自然言語コマンドを解釈し、多段階のアクションシーケンスを生成するロボットを必要とする。 命令分類とアクション生成を2つの特別な段階に分けたLLM連鎖アーキテクチャを提案する。 我々は,ローカルなオープンソースおよびフロンティアクラウドデプロイメントコンテキストにまたがる3つの言語モデルに対して,ランダムに生成された100個のGPSRコマンドを用いて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2026-09-24T05:23:43Z)
• MTAC-IFBench: Benchmarking Instruction-Following in Multi-Turn Agentic Coding [83.0805548642958]
  MTAC-IFBenchは、ソフトウェア開発におけるインストラクションフォローのための包括的なベンチマークである。 6つのプライマリと18のセカンダリカテゴリにまたがるさまざまな制約を持つ、多ターンプログレッシブなソフトウェア開発指示が特徴である。 MTAC-IFBenchは、マルチターン命令フォローにおける既存のコードエージェントの重大な欠陥を認識し、インタラクションセッションが長くなるにつれてパフォーマンスが急速に低下する。
  論文  参考訳（メタデータ） (2026-09-14T03:57:37Z)
• DRDN: Decoupled Representation Dynamic Network for From-Scratch ViT Class-Incremental Learning [6.097306160389619]
  クラスインクリメンタルラーニング(CIL)のための動的拡張手法は、専用トークンや計算作業でタスク固有の知識を保護する。 我々は、主に現在のタスクデータに対する逐次トレーニングからのクロスタスクの混乱と、バックボーン内の過度に最適化された共有表現の2つの課題を特定する。 本稿では,2つのメカニズムを通じてこれらの課題に対処する解答表現動的ネットワーク(DRDN)を提案する。
  論文  参考訳（メタデータ） (2026-07-02T02:57:58Z)
• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• CORAL: Scalable Multi-Task Robot Learning via LoRA Experts [49.759823970016974]
  実世界のロボット工学におけるビジョン・ランゲージ・アクション(VLA)モデルは、コアマルチタスク学習の課題を露呈する。 タスク毎に個別の完全なチェックポイントを維持することは、しばしばストレージとデプロイメントの禁止である。 主にマルチタスク干渉を軽減するために設計されたバックボーンおよび非依存のフレームワークであるCORALを提案する。
  論文  参考訳（メタデータ） (2026-03-10T07:28:41Z)
• Multi-Agent Reinforcement Learning for Intraday Operating Rooms Scheduling under Uncertainty [4.5515292789901975]
  日内手術のスケジューリングは、不確実性バランスのスループット、緊急および緊急の要求、遅延、シーケンス依存のセットアップ、残業時間における多目的決定問題である。 協調マルコフゲームとして問題を定式化し、各手術室が集中訓練と分散実行の訓練を行うエージェントであるマルチエージェント強化学習フレームワークを提案する。 すべてのエージェントは、リッチなシステム状態とアクションをマッピングするPPO(Proximal Policy Optimization)を通じてトレーニングされたポリシーを共有している。
  論文  参考訳（メタデータ） (2025-12-04T15:47:08Z)
• ReCAP: Recursive Context-Aware Reasoning and Planning for Large Language Model Agents [61.51091799997476]
  ReCAP(Recursive Context-Aware Reasoning and Planning)は,大規模言語モデル(LLM)における推論と計画のためのコンテキストを共有する階層型フレームワークである。 ReCAPは、プラン-アヘッド分解、親プランの構造化された再注入、メモリ効率の高い実行という3つの重要なメカニズムを組み合わせる。 実験により、ReCAPは様々なロングホライゾン推論ベンチマークにおけるサブゴールアライメントと成功率を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-10-27T20:03:55Z)
• Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
  本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。 従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
  論文  参考訳（メタデータ） (2025-03-04T03:27:02Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。