この研究では、人間と言語モデル(LLM)が対話を通じてロボットのタスク計画を生成する方法を提案します。提案手法は、アクティブな変更を行う「プロセスA」と、受動的な修正を加える「プロセスB」からなる反復プロセスを経て、ロボットの動作計画(RAP)を形成します。最初に、人間がLLMに自然言語の指示を与え、LLMがRAPを作成します。
RAPは、アクションのカテゴリーや対象、ロボットの位置などをまとめた表形式で示されます。不確実性分析によって、RAPに曖昧さがある場合、LLMと人間が対話を通じて詳細な情報を取り入れることで、RAPを改善します。また、コラボレーターは、不正確な部分を指摘し、指示を出すことでRAPを受動的に修正することができます。
この手法はLLMとの対話の中で完結し、プロンプトによって誘導されるため、シンプルなプロンプトを組み合わせることで、ロボットのタスク計画を改良できる可能性を秘めています。高校生でも理解しやすいように、難しい専門用語を避けつつ、ロボットのタスク計画を対話によって柔軟に生成するプロセスが説明されています。
出典 : Enhancement of long-horizon task planning via active and passive modification in large language models – Scientific Reports https://www.nature.com/articles/s41598-025-91448-4
