MEKAWIRE
上級arXiv

BiPOP、時間制約を使った計画で長手順の双腕作業を調整

Kun Chu, Xufeng Zhao, Jan-Gerrit Habekost, Cornelius Weber, Stefan Wermter
30秒で読む

プレプリントのBiPOPは、GPT-4.1と時間を扱う記号計画を組み合わせ、双腕作業の分担と実行順序を決定する仕組みである。シミュレーションのServeFruit、ServeWater、StackBlockで成功率100%、100%、95%を記録し、双腕の制約を明示することがLLMによる直接計画の信頼性改善につながると示した。NICOLではServeWaterを最初から最後まで実行したが、実機成功率は論文では報告されていない。

研究課題

LLMと時間を扱う記号計画を組み合わせることで、長手順の双腕操作における動作の割り当て、順序、並列実行を信頼性高く決定できるか。

問題

双腕作業では到達範囲に加え、物体や位置の占有状態、他方の腕による準備動作、同期条件を守る必要がある。個々には妥当な動作でも、全体の流れでは干渉や行き詰まりを生む。LLMによる直接計画は、とりわけ並列化を狙う際にこうした依存関係を見落とす。

従来の手法

SayCan、Code as Policies、VoxPoserは言語を技能や運動に結び付けるが、同じ範囲の長手順の双腕調整を解くものではない。LLM+Pなどは指示を記号問題に変換するものの、主に逐次実行を扱う。DAG-PlanとRoboPARAは依存グラフから並列性を引き出すが、調整はヒューリスティックや限定的な検査に依存する。LLM+MAPも半順序計画を生成するが、同じ明示的な時間ベースの完了長最小化を目的としていない。

新しい手法

手作業で定義した時間付きPDDLドメインに、左腕専用、右腕専用、両腕共通の領域を組み込んだ。前提条件と資源の排他制御で、腕の到達可能性、物体の使用、同期技能を制約する。GPT-4.1はUnified-Planningを呼び出すPythonコードで場面と目標を記述し、コードの例外や計画失敗を受けて修正する。Temporal Fast Downwardが候補を探索し、VALが不正な計画を除外する。見つかった有効な候補から、記号上の完了長が最短のものを選ぶ。物体検出にはLocateAnythingを用いた。

結果

CoppeliaSimで各課題100件の無作為な設定を評価した。ServeFruit/ServeWater/StackBlockの順に、成功率はBiPOP 100/100/95%、I/O o3 98/87/86%、I/O R1 66/82/52%、I/O GPT-4.1 25/0/0%、ReAct GPT-4.1 100/45/36%であった。BiPOPはo3を2/13/9ポイント上回った。同じ順序で計画時間はBiPOP 6.56 ±1.49 / 5.95 ±1.83 / 35.56 ±9.02秒、o3 32.74 ±15.39 / 43.76 ±34.86 / 73.20 ±37.85秒、ReAct 16.56 ±5.47 / 24.74 ±9.70 / 42.46 ±22.60秒であった。I/O GPT-4.1は3.42 ±0.47 / 2.31 ±0.95 / 4.59 ±2.04秒と速いが、成功率は大幅に低い。別途、各課題100枚の実画像で認識を評価し、ServeFruitとServeWaterでは関連物体をすべて正しく位置特定した。StackBlockではトレーと積み重なったブロックの位置特定に誤りがあった。NICOLの実機実行ではServeWaterを実演した。実機の試行回数と成功率は論文では報告されていない。

限界

作業成功率の定量比較はシミュレーションに基づき、実機実行は単一機種の一課題に限られる。ドメインと基本技能には手作業による準備が必要である。動作時間を一律に設定するため、効率指標は実際の所要時間ではなく並列ステップ数を表す。最適性の差は評価手法が見つけた最良計画を基準とし、最適解の証明ではない。記号上の検証で軌道の無衝突は保証できず、運動層で逐次実行に変更する場合がある。StackBlockでは問題記述の誤りと計画時間超過が残った。実行監視、失敗からの復旧、運動時間の推定導入は今後の課題である。実装コードは公開されている。

産業への影響

双腕サービスロボットの開発企業や操作ソフトウェアの供給企業は、信頼できる基本技能と範囲を限定した作業群があれば、現在の研究試作で計画層として利用できる。製品への適用には安定した場面認識、幾何学的な運動検査、実行監視と復旧、実際の技能所要時間に基づく調整が必要である。商用導入の時期は論文では報告されていない。

論文全文

CC BY 4.0 のもとで公開された論文です。全文は出典を明記して英語のまま転載しています:全文を読む(英語)。原文は arXiv:2611.15317(PDF)。