契約基盤の行動木合成：コーディングエージェントによるアプローチ

ロボットの行動木（Behavior Tree, BT）合成において、自然言語から実行可能な行動木を生成することは長年の課題である。既存の大規模言語モデル（LLM）を利用した手法では、接地（grounding）の責任をプロンプト作成者に委ねることが多く、作成者はロボットが実行可能なスキル、そのパラメータ化方法、さらにはランタイムソフトウェアによる行動木構造の制約を正確に把握する必要があった。この依存関係により、デプロイメントは非常に脆弱となり、実際のロボットで実行できない行動木が生成されるリスクが高かった。この問題に対処するため、最新の研究では契約基盤（contract-grounded）の行動木合成アーキテクチャが提案された。このアーキテクチャでは、コーディングエージェントがロボット側のモデルコンテキストプロトコル（MCP）サーバーに問い合わせ、明示的な契約を取得する。契約には、スキルライブラリ、許可されたBT演算子、オプションのBT合成テンプレートが含まれる。エージェントはこの契約に基づいて行動木を合成し、ロボットランタイム検証ゲートによって実行前に正しさが保証される。これにより、非専門家のオペレーターはロボットの実装詳細を知ることなく、自然言語で命令を発行できる。

研究チームは、閉じたモデルであるSonnet 4.6と、より小さなオープンソースモデルであるGemma4:31bの2つのLLMを評価した。実験は110のPyRoboSimシミュレーションタスクと14の実機Husarion Pantherロボットタスクで実施された。結果は、契約接地により行動木の検証がほぼ完璧になり、タスク成功率が高いことを示した。特に、反応制御フロータスクにおいて、BT合成テンプレートを使用することで、小型モデルでも成功率が大幅に向上した。さらに、このアーキテクチャはNav2スタックを実行する物理ハードウェアに転送可能であり、オペレーターとエージェントの両方にとってスタックの内部が不透明なまま機能した。この研究は、ロボット行動木合成のためのより堅牢でユーザーフレンドリーなソリューションを提供し、ロボット分野における自然言語プログラミングの実用化を促進する可能性がある。