論文の概要: BiPOP: Partial-Order Planning for Long-Horizon Bimanual Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2611.15317v1
- Date: Wed, 11 Nov 2026 10:56:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.107852
- Title: BiPOP: Partial-Order Planning for Long-Horizon Bimanual Robotic Manipulation
- Title(参考訳): BiPOP: 長距離双方向ロボットマニピュレーションのための部分順序計画
- Abstract要約: BiPOPは、双方向操作のための時間的部分順序計画と大規模言語モデルを結合するフレームワークである。
このモデルに基づいて、LCMは正式なPDDL仕様に変換され、時間プランナーは制約を強制し、アクションをスケジュールする。
シミュレーションされた長距離タスクでは、BiPOPは強力な推論モデルとクローズドループのReActスタイルの計画でオープンループ計画より優れています。
- 参考スコア(独自算出の注目度): 11.634939106171847
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bimanual robotic manipulation is versatile, yet its central challenge lies not only in executing dexterous motion with each hand, but also in coordinating the two arms for long-horizon manipulation under coupled spatial and temporal constraints. Prior work has largely focused on endowing robots with human-level manipulation skills, paying less attention to the structure of bimanual behaviour itself: many practical tasks are a coordinated composition of reusable unimanual skills and a small set of synchronous bimanual skills. This makes high-level spatio-temporal coordination, rather than skill acquisition alone, a key bottleneck for efficient bimanual execution. We propose BiPOP, a framework that couples Large Language Models (LLMs) with Temporal Partial-Order Planning for long-horizon bimanual manipulation. At its core is an explicit spatio-temporal model that partitions the workspace by arm reachability and captures inter-arm dependencies, arm assignment, synchronization requirements, and opportunities for safe concurrent execution. Building on this model, an LLM translates natural-language instructions into a formal PDDL specification, while a temporal planner enforces the constraints and schedules actions, yielding plans that are logically consistent at the symbolic level and efficient through parallel execution. On simulated long-horizon tasks of varying complexity, BiPOP outperforms open-loop planning with strong reasoning models and closed-loop ReAct-style planning in success rate, planning time, and plan efficiency, and the full pipeline runs end to end on the real bimanual robot NICOL. A failure analysis further shows that LLM-only planners mainly violate spatial and temporal coordination constraints, which motivates delegating these constraints to a symbolic planner. Code: https://github.com/Kchu/BiPOP
- Abstract(参考訳): 両足のロボット操作は汎用的であるが、その中心となる課題は、手の動きを各手で行うことだけでなく、空間的制約と時間的制約が組み合わさったロングホライゾン操作のための2つのアームを調整することである。
従来の作業は、人間レベルの操作スキルを持つロボットの育成に重点を置いており、バイマン的行動の構造自体に注意を払っていない。
これにより、スキル獲得のみではなく、高レベルの時空間調整が、効率的な双方向実行のボトルネックになります。
本稿では,Large Language Models (LLM) と時間的部分順序計画とを結合したフレームワークであるBiPOPを提案する。
その中核は明示的な時空間モデルであり、アームの到達性によってワークスペースを分割し、アーム間の依存関係、アームの割り当て、同期要求、そして安全な同時実行の機会をキャプチャする。
このモデルに基づいて、LLMは自然言語命令を形式的なPDDL仕様に変換する一方、時間プランナーは制約を強制し、シンボルレベルで論理的に一貫性があり、並列実行によって効率の良いプランを生成する。
BiPOPは、様々な複雑さのシミュレーションされたロングホライゾンタスクにおいて、強力な推論モデルとクローズドループのReActスタイルのプランニングで、成功率、計画時間、計画効率でオープンループプランニングを上回り、完全なパイプラインは実際のバイマチュアルロボットNICOLで終端まで実行されます。
故障解析により、LLMのみのプランナーは、主に空間的および時間的調整の制約に違反し、これらの制約を象徴的なプランナーに委譲する動機があることが示された。
コード:https://github.com/Kchu/BiPOP
関連論文リスト
- $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。
計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。
低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
論文 参考訳(メタデータ) (2026-08-17T17:59:11Z) - HEART: Coordination of Heterogeneous Expert Agents for Physically Grounded Robotic Task Planning [13.14097890573283]
LLM(Large Language Models)は複雑な命令を推論するが、ロボットタスク計画に必要な物理的および空間的制約を満たすことができないことが多い。
命令を原子推論タスクに分解する異種マルチLLMフレームワークを提案する。
HEARTは単一LLMやルールベースのプランナに比べて計画の成功を継続的に改善することを示す。
論文 参考訳(メタデータ) (2026-06-24T05:02:37Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳(メタデータ) (2026-04-22T22:58:47Z) - Unified Learning of Temporal Task Structure and Action Timing for Bimanual Robot Manipulation [11.051601535345819]
時間的タスク構造は、バイマニュアル操作の基本である。
既存のアプローチでは、これらの2つのレベルを分離しています。
本研究は,人間の実演から象徴的・象徴的な時間的制約を学習するためのアプローチを提案する。
論文 参考訳(メタデータ) (2026-03-06T18:25:42Z) - Embodied Long Horizon Manipulation with Closed-loop Code Generation and Incremental Few-shot Adaptation [12.077740860502878]
身体的ロングホライゾン操作では、ロボットシステムが視覚や自然言語などのマルチモーダル入力を処理し、それらを実行可能なアクションに変換する必要がある。
近年,大規模言語モデル (LLM) を自然言語を用いてタスクをサブタスクに分解し,事前訓練した低レベルコントローラを誘導する高レベルプランナとしての利用が検討されている。
我々のフレームワークは,LoHoRavens,CALVIN,Franka Kitchen,および乱雑な現実世界設定をまたいだ,30以上の多様かつ不明瞭なロングホライゾンタスクに対して,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2025-03-27T20:32:58Z) - LLM+MAP: Bimanual Robot Task Planning using Large Language Models and Planning Domain Definition Language [17.914580097058106]
両手間の空間的・時間的調整が複雑になるため、両手操作は固有の課題となる。
既存の作業は主に、ロボットハンドのための人間レベルの操作スキルの獲得に重点を置いているが、長い時間軸でのタスクプランニングにはほとんど関心が払われていない。
本稿では,LLM推論とマルチエージェント計画を統合した双方向計画フレームワークであるLLM+MAPを紹介する。
論文 参考訳(メタデータ) (2025-03-21T17:04:01Z) - 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) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2024-09-23T15:53:41Z) - BiKC: Keypose-Conditioned Consistency Policy for Bimanual Robotic Manipulation [48.08416841005715]
両面操作に適したキーポーズ条件の整合性ポリシーを導入する。
階層的な模倣学習フレームワークであり、ハイレベルなキープレース予測器と低レベルな軌道生成器から構成される。
シミュレーションおよび実世界の実験結果から,提案手法は成功率と運用効率の点で基準法を超越していることが示された。
論文 参考訳(メタデータ) (2024-06-14T14:49:12Z) - Large Language Models for Orchestrating Bimanual Robots [19.60907949776435]
本稿では,Language-based Bimanual Orchestration (LABOR)を提案する。
NICOLヒューマノイドロボットを用いた2種類の長距離作業のシミュレーション実験により,本手法の評価を行った。
論文 参考訳(メタデータ) (2024-04-02T15:08:35Z)
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。