論文の概要: A Layered View of LLM Support in Underwater Robotics

• arxiv url: http://arxiv.org/abs/2611.06162v1
• Date: Wed, 04 Nov 2026 08:43:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.031421
• Title: A Layered View of LLM Support in Underwater Robotics
• Title（参考訳）: 水中ロボティクスにおけるLCM支援の階層化
• Abstract要約: 我々は,水中ロボット工学における大規模言語モデル(LLM)の具体的かつ実践的な役割について論じる。 我々の主な前提は、水中のフィールディングミッションにおいて、すぐに困難なのは、しばしば新しい低レベル制御法の合成ではなく、限られた通信、部分観測可能性、高価なフィールドタイムの下での複雑なロボットシステムの運用である。 LLMは、特に、構造化された車両の状態、アラーム、ログ、ミッションコンテキスト、既存の計画や検証ツールに基礎を置いている場合に、この高い運用レベルで有用である、と我々は主張する。
• 参考スコア（独自算出の注目度）: 0.41905206219566904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This extended abstract discusses a specific and, in our experience, practically relevant role for large language models (LLMs) in underwater robotics. Our main premise is that, in underwater fielding missions, the immediate difficulty is often not the synthesis of new low-level control laws, but the operation of complex robotic systems under limited communications, partial observability, and expensive field time. In particular, a significant fraction of the effort during sea trials is devoted to fault diagnosis, telemetry interpretation, mission adjustment, and coordination across heterogeneous assets and operators. We argue that LLMs may be useful at this higher operational level, especially when grounded in structured vehicle state, alarms, logs, mission context, and existing planning or validation tools. At the same time, current limitations in grounding, consistency, and causal reasoning make these systems lack the predictability required to guarantee direct control, especially in real-world critical applications, although we do not exclude a future evolution in this direction. This viewpoint suggests a layered architecture in which conventional autonomy remains responsible for control, perception, estimation, and validated mission execution, whereas LLM-based modules serve as an additional support layer for debugging, operator interaction, constrained replanning support, orchestration, and post-mission analysis.
• Abstract（参考訳）: 本稿では,水中ロボット工学における大規模言語モデル(LLM)の具体的かつ実践的な役割について論じる。 我々の主な前提は、水中のフィールディングミッションにおいて、すぐに困難なのは、しばしば新しい低レベル制御法の合成ではなく、限られた通信、部分観測可能性、高価なフィールドタイムの下での複雑なロボットシステムの運用である。 特に、海上試験における作業のかなりの部分は、断層診断、テレメトリー解釈、ミッション調整、異種資産や運用者間の調整に費やされている。 LLMは、特に、構造化された車両の状態、アラーム、ログ、ミッションコンテキスト、既存の計画や検証ツールに基礎を置いている場合に、この高い運用レベルで有用である、と我々は主張する。 同時に、接地、一貫性、因果推論の現在の制限により、これらのシステムは直接制御を保証するのに必要な予測可能性に欠ける。 この視点は、従来の自律性が制御、認識、推定、検証されたミッション実行に責任を負う階層アーキテクチャを示唆している。一方、LLMベースのモジュールは、デバッグ、オペレータのインタラクション、制約付きリプランニングのサポート、オーケストレーション、ミッション後分析のための追加のサポートレイヤとして機能する。

関連論文リスト

• Adaptive Aerial Loco-Manipulation Policy Learning via LLM-Assisted Proactive Task Generation [21.317966714123195]
  本稿では、外部アームコマンド下での適応飛行制御のための空中ロコ操作フレームワークであるALMAを提案する。 ALMAは、最近の計測と行動から適応する文脈的飛行ポリシーを採用している。 根平均二乗誤差を最強ベースラインに対して最大24.7%減少させる。
  論文  参考訳（メタデータ） (2026-10-22T06:36:39Z)
• Melding LLM and temporal logic for reliable human-swarm collaboration in complex scenarios [17.56189537207367]
  我々は,長期にわたる人間とスワムのコラボレーションのためのニューロシンボリックな枠組みを導入する。 ミッション目標と運用ルールを時間論理式として,タスクオートマトンとして許容可能なタスクオーダとして定式化する。 イベントトリガー方式のインタラクションプロトコルでは、操作者がスパースでハイレベルな確認とガイダンスに関与することを制限している。
  論文  参考訳（メタデータ） (2026-05-08T15:32:14Z)
• Say the Mission, Execute the Swarm: Agent-Enhanced LLM Reasoning in the Web-of-Drones [0.8492672431361252]
  本稿では,UAVスワム制御のためのミッション非依存,エージェント強化LLMフレームワークを提案する。 提案アーキテクチャはLLMベースのエージェントコアとModel Context ProtocolゲートウェイとWeb-of-Drones抽象化を組み合わせたものだ。 我々は,ArduPilotをベースとした4つのSwarmミッションと6つの最先端LCMのシミュレーションによるフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-05-05T14:14:57Z)
• Reasoning Knowledge-Gap in Drone Planning via LLM-based Active Elicitation [15.477731207334793]
  無人航空機(UAV)における人間とAIの共同計画は通常、環境の不確実性に直面した際の制御の引き渡しに依存している。 本稿では,協調パラダイムを制御テイクオーバからアクティブな情報提供に移行する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-08T22:00:32Z)
• Visual-Language-Guided Task Planning for Horticultural Robots [7.247976293510842]
  ロボットタスク計画の指針として視覚言語モデル(VLM)を用いた新しいモジュラーフレームワークを提案する。 本研究は,単作・多作環境における短期・長期の作物モニタリングタスクのベンチマークに貢献する。
  論文  参考訳（メタデータ） (2026-01-17T04:45:31Z)
• 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)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
  本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。 トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
  論文  参考訳（メタデータ） (2025-03-10T13:39:09Z)

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。