EvoPlan: 時空間保証を備えた進化的ニューロシンボリックロボット計画
EvoPlanは、LLMの流暢さと古典的なPDDLプランナーの保証を組み合わせたニューロシンボリックフレームワークであり、3つの部分から構成されます。デモデータから大域的STL制約をオフラインでマイニングする手順、進化的PDDLプランナー、制約付き実行ループです。すべてのLLM呼び出しはローカルのオープンウェイトモデルを使用し、クラウド依存なしでロボット上にデプロイ可能です。Bench2Drive、HA-VLN-CE、ALFWorldベンチマークでテストされました。
近年、大規模言語モデル（LLM）を用いたロボットプランナーは自然言語による計画生成に優れていますが、その計画が実行可能で安全であることを保証できません。一方、古典的なPDDLプランナーはこれらの特性を保証できますが、問題が完全に指定されている必要があり、LLMの文脈理解や計画修復能力を十分に活用できません。そこで、研究者らはEvoPlan—進化的ニューロシンボリックロボット計画フレームワークを提案しました。このフレームワークは、両方のアプローチの利点を融合することを目指しています。
EvoPlanフレームワークは3つの主要部分から構成されます。第一に、デモンストレーションデータから大域的Signal Temporal Logic（STL）制約をマイニングするオフライン手続きです。この手続きは、nuPlan運転ログからマイニングした赤信号停止ルールや、SCAND遠隔操作データから抽出した社会的ナビゲーション快適性などの符号化ルールを復元します。デモンストレーションは通常正例のみを含むため、反事実的摂動とLLM違反生成器を用いて負例を作成し、進化的探索により制約を適合させます。マイニングされた制約は、Bench2Drive上の視覚言語運転ポリシーとHA-VLN-CE上の2つの離散行動ナビゲーションポリシーを保護するために使用されます。
第二に、進化的PDDLプランナーです。LLMが計画を提案・修復し、プログラムによる検証器がどの計画が生存するかを決定します。反復を重ねるごとに、検証された計画部分が成長します。このプランナーはオープンワールドのALFWorldテキストベンチマークでテストされ、強力なベースラインを上回り、目標語彙が行動モデル語彙と一致しない場合でもロバスト性を維持しました。
第三に、制約付き実行ループです。プランナーの計画はウェイポイントにコンパイルされ、それらがマイニングされた制約に対してチェックされます。違反が発生すると、プランナーは再計画を行います。研究チームは、Gazeboシミュレーターを用いたデモンストレーションにより、完全なパイプラインを示しました。
EvoPlanのすべてのLLM呼び出しはローカルにホストされたオープンウェイトモデルを使用するため、このパイプラインはクラウド依存なしでロボット上にデプロイ可能です。この設計により、システムの自律性と安全性が大幅に向上します。本研究は、データ駆動学習と記号的検証を組み合わせることで、LLMの柔軟性を維持しつつ計画の安全性を保証する、新しいニューロシンボリックロボット計画の方向性を示しています。