論文の概要: Skill-SLM: Agent Skill-driven Small Language Models for Reliable Robot Operation

• arxiv url: http://arxiv.org/abs/2610.10812v1
• Date: Wed, 07 Oct 2026 19:17:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.640455
• Title: Skill-SLM: Agent Skill-driven Small Language Models for Reliable Robot Operation
• Title（参考訳）: Skill-SLM:信頼性のあるロボット操作のためのエージェントスキル駆動型小言語モデル
• Abstract要約: スモールランゲージモデル(SLM)は、インテリジェントな意思決定を可能にするため、ロボットの操作にますます採用されている。 本稿では,SLM駆動型ロボットの動作をタスク分解およびスキル分解問題として再編成するフレームワークであるSkill-SLMを提案する。 自然言語タスク命令が与えられた場合、Skill-SLMはタスクをサブタスクに分解し、スキルライブラリから適切なスキルを選択し、選択したスキルを実行可能なロボット操作にオーケストレーションする。
• 参考スコア（独自算出の注目度）: 13.999368314445485
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Small language models (SLMs) have been increasingly adopted for onboard robot operation because they enable intelligent decision-making. However, existing approaches are mainly distillation-oriented and rely on enumerating representative task-solution pairs. This makes dataset construction difficult and limits generalization to diverse robot tasks whose possible forms grow rapidly. This paper proposes Skill-SLM, a framework that reformulates SLM-driven robot operation as a task-decomposition and skill-composition problem. Given a natural language task instruction, Skill-SLM decomposes the task into subtasks, selects appropriate skills from the skill library, and orchestrates the selected skills into executable robot operations. First, to support the skill-driven workflow, we propose a novel robot operational skill aware context-free grammar (CFG) to extract the skills required to accomplish tasks and build the skill library accordingly. Then, we configure LLM teachers to induce and synthesize training datasets for the SLMs, enabling SLMs to decompose tasks and orchestrate skills reliably. Additionally, we employ a progressive skill orchestration strategy to improve the reliability of skill implementation and overall robot operation. Experiments on UAV operation tasks indicate that Skill-SLM substantially outperforms distillation-oriented baselines, especially on unseen tasks that require generalization of capabilities. Additional experiments on ground vehicle tasks further demonstrate that Skill-SLM can be applied to different robot platforms.
• Abstract（参考訳）: スモールランゲージモデル(SLM)は、インテリジェントな意思決定を可能にするため、ロボットの操作にますます採用されている。 しかし、既存の手法は主に蒸留指向であり、代表的課題-解決ペアの列挙に依存している。 これにより、データセットの構築が困難になり、可能な形式が急速に成長する多様なロボットタスクへの一般化が制限される。 本稿では,SLM駆動型ロボットの動作をタスク分解およびスキル分解問題として再編成するフレームワークであるSkill-SLMを提案する。 自然言語タスク命令が与えられた場合、Skill-SLMはタスクをサブタスクに分解し、スキルライブラリから適切なスキルを選択し、選択したスキルを実行可能なロボット操作にオーケストレーションする。 まず,タスク遂行に必要なスキルを抽出し,それに応じてスキルライブラリを構築するために,ロボットの操作能力を考慮した文脈自由文法(CFG)を提案する。 次に,LSM教師がSLMのトレーニングデータセットを誘導・合成するように設定し,SLM教師がタスクを分解し,スキルを確実にオーケストレーションできるようにする。 さらに,スキル実装の信頼性向上とロボット全体の動作改善のために,プログレッシブなスキルオーケストレーション戦略を採用する。 UAV操作タスクの実験は、Skill-SLMが蒸留指向のベースライン、特に能力の一般化を必要とする目に見えないタスクを大幅に上回っていることを示している。 地上作業に関するさらなる実験により、Skill-SLMが異なるロボットプラットフォームに適用可能であることがさらに証明された。

関連論文リスト

• 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)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• Agentic Skill Discovery [19.5703917813767]
  言語条件付きロボット技術により、Large Language Models (LLMs) の高レベル推論を低レベルロボット制御に適用することができる。 残る課題は、さまざまな基本的なスキルを取得することです。 LLMによって完全に駆動されるスキル発見のための新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-23T19:44:03Z)
• Language to Rewards for Robotic Skill Synthesis [37.21434094015743]
  我々は,大規模言語モデル(LLM)を利用して,様々なロボットタスクを最適化し,達成可能な報酬パラメータを定義する新しいパラダイムを提案する。 LLMが生成する中間インタフェースとして報酬を用いることで、ハイレベルな言語命令と修正のギャップを、低レベルなロボット動作に効果的に埋めることができる。
  論文  参考訳（メタデータ） (2023-06-14T17:27:10Z)
• Example-Driven Model-Based Reinforcement Learning for Solving Long-Horizon Visuomotor Tasks [85.56153200251713]
  長軸ビズモータタスクの完了に適したプリミティブスキルを学習するためのモデルベースRL手法EMBRを紹介する。 フランカ・エミカのロボットアームでは、EMBRによってロボットは85%の成功率で3つの長い水平視運動タスクを完了できることがわかった。
  論文  参考訳（メタデータ） (2021-09-21T16:48:07Z)
• Discovering Generalizable Skills via Automated Generation of Diverse Tasks [82.16392072211337]
  本稿では,多種多様なタスクの自動生成による一般化可能なスキルの発見手法を提案する。 教師なしスキル発見の先行研究とは対照的に,本手法では各スキルをトレーニング可能なタスクジェネレータが生成するユニークなタスクとペアリングする。 生成したタスクにおけるロボットの動作に定義されたタスク判別器を共同で訓練し、多様性目標の低いエビデンスを推定する。 学習スキルは階層的な強化学習アルゴリズムで構成され、目に見えない目標タスクを解決する。
  論文  参考訳（メタデータ） (2021-06-26T03:41:51Z)

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。