論文の概要: NSDL: Neuro-Symbolic Division of Labor for Multi-Robot Task Planning
- arxiv url: http://arxiv.org/abs/2611.16671v1
- Date: Thu, 12 Nov 2026 11:47:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.460795
- Title: NSDL: Neuro-Symbolic Division of Labor for Multi-Robot Task Planning
- Title(参考訳): NSDL:マルチロボットタスク計画のためのニューロシンボリック労働部門
- Abstract要約: 不均一なロボットチームの計画には、2つの種類の決定が含まれる。
小さな視覚言語モデルが第1の学習を行い、決定論的解法が第2の計算を行う。
NSDLでは、トレーニングされたモデルは、その判断を計画スケッチとして記述し、まだアクションが必要な目標と意図されたステップを列挙する。
- 参考スコア(独自算出の注目度): 3.6616082736882327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Planning for a heterogeneous robot team from a scene image and an instruction involves two kinds of decisions. Some must be judged from the scene: which goals are already met, how the task splits, and which robot does what. Others follow from these and can be computed: prerequisite actions, handoffs between robots, and timing. We argue that each kind should go to the component suited to it: a small vision-language model learns the first, and a deterministic solver computes the second. In NSDL (Neuro-Symbolic Division of Labor), the trained model writes its judgments as a plan sketch, which lists the goals that still need action and the intended steps in order, each with a robot. The solver expands the sketch into an executable joint plan. The model calls two tools, a detector for evidence and the solver, and is trained with the solver in the loop. We evaluate on the public VIKI-L2 benchmark and on LOCUS-Bench, a new benchmark that grades the two kinds of difficulty separately. NSDL outperforms end-to-end planners and formalize-then-plan baselines on both benchmarks and with three backbones from 3B to 8B; the 7B model reaches 97.0% out-of-distribution accuracy on VIKI-L2. Ordering and scheduling errors nearly disappear once the solver writes the structure; the remaining failures are misjudged states, and most goals the model misses are ones it never lists. Code, model weights, and LOCUS-Bench are publicly available at https://github.com/Xincheng-Tan/NSDL.
- Abstract(参考訳): シーンイメージと指示からの異種ロボットチームの計画には,2種類の意思決定が伴う。
どの目標がすでに満たされているか、どのようにタスクが分割されるか、どのロボットが何をするか、など。
その他には、必要なアクション、ロボット間のハンドオフ、タイミングといった計算方法もある。
視覚言語モデルは第一を学習し、決定論的解法は第二を演算する。
NSDL(Neuro-Symbolic Division of Labor)では、トレーニングされたモデルは、その判断を計画スケッチとして記述し、まだアクションが必要な目標と、ロボットで意図されたステップをリストアップする。
解答器はスケッチを実行可能なジョイントプランに拡張する。
モデルは2つのツール、証拠の検知器と解法器を呼び出し、ループの解法器で訓練される。
我々は、VIKI-L2ベンチマークとLOCUS-Benchベンチマークを用いて、2種類の難易度を別々に評価した。
NSDLはエンド・ツー・エンドのプランナーより優れ、ベンチマークと3Bから8Bまでのバックボーンが3つあり、VIKI-L2では7Bモデルが97.0%のアウト・オブ・ディストリビューション精度に達する。
エラーの順序付けとスケジューリングは、解決者が構造を記述するとほぼ消滅します。
コード、モデルウェイト、LOCUS-Benchはhttps://github.com/Xincheng-Tan/NSDLで公開されている。
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) - NovaPlan: Zero-Shot Long-Horizon Manipulation via Closed-Loop Video Language Planning [36.20611975009607]
クローズドループVLMとビデオプランニングを統合した階層型フレームワークであるNovaPlanを紹介する。
高いレベルでは、VLMプランナーはタスクをサブゴールに分解し、クローズドループでロボットの実行を監視する。
低レベルのロボット動作を計算するために,タスク関連オブジェクトキーポイントと人手ポーズの両方を抽出し,活用する。
論文 参考訳(メタデータ) (2026-02-23T18:35:18Z) - Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。
RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。
次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
論文 参考訳(メタデータ) (2025-12-01T17:57:27Z) - On the Limits of Innate Planning in Large Language Models [13.604285158704466]
大規模言語モデル(LLM)は多くのベンチマークで印象的な結果を得るが、計画とステートフルな推論の能力は未だに不明である。
コード実行や他のツールを使わずに、これらの能力を直接研究し、8-puzzleというステートトラッキングとゴール指向の計画を必要とする古典的なタスクを使います。
論文 参考訳(メタデータ) (2025-11-26T17:08:13Z) - Robobench: A Comprehensive Evaluation Benchmark for Multimodal Large Language Models as Embodied Brain [62.01012517796797]
動的で非構造的な環境で知覚、理性、行動できるロボットを構築することは、依然として中核的な課題である。
システム2は高レベルの推論を処理し、システム1は低レベルの制御を実行する。
本稿では,マルチモーダル大言語モデル(MLLM)を具体的脳として体系的に評価するベンチマークであるRoboBenchを紹介する。
論文 参考訳(メタデータ) (2025-10-20T17:59:03Z) - Detect Anything via Next Point Prediction [51.55967987350882]
Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。
COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
論文 参考訳(メタデータ) (2025-10-14T17:59:54Z) - SciML Agents: Write the Solver, Not the Solution [69.5021018644143]
敵の"ミスリーディング"問題の診断データセットと,1,000種類のODEタスクの大規模ベンチマークという,2つの新しいデータセットを紹介した。
オープンおよびクローズドソース LLM モデルについて, (i) 誘導型とガイド型, (ii) オフ・ザ・シェルフ対微調整型という2つの軸に沿って評価した。
予備的な結果は、慎重なプロンプトと微調整により、単純なODE問題を確実に解決できる特殊なLLMエージェントが得られることを示唆している。
論文 参考訳(メタデータ) (2025-09-12T02:53:57Z) - Probabilistically Correct Language-based Multi-Robot Planning using Conformal Prediction [11.614036749291216]
本稿では,S-ATLAS for Safe plAnning for Teams of Language-instructed Agentsを提案する。
提案したプランナは,計画実行が成功すると仮定して,ユーザ指定のタスク成功率を達成可能であることを示す。
我々は,本手法が計算効率が高く,ヘルプレートが低いことを示す関連研究との比較実験を行った。
論文 参考訳(メタデータ) (2024-02-23T15:02:44Z)
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。