認知ロボティクスにおいて、オントロジーは異種知識を統合し、知識が継続的に更新される状況でも説明可能な推論を可能にする有効な手段である。しかし、その手動構築は依然としてボトルネックとなっている。最近arXivに投稿された論文「Extracting Semantics: LLM-Guided Automatic Population of Robot Ontology from URDF」は、大規模言語モデル（LLM）を活用して、統一ロボット記述フォーマット（URDF）ファイルからロボットオントロジーを自動的に生成する予備的なアプローチを提案している。
URDFファイルはロボットの構造と運動学を記述するが、その識別子は意味を復元するために常識的な解釈を必要とすることが多い。このタスクはLLMが得意とするところである。研究のパイプラインでは、既存のオントロジーから概念をプロンプトとして与えることで、LLMに意味関係を推論させ、最終的な分類が形式モデルと整合するようにしている。これにより、LLMはURDFの識別子を理解するだけでなく、事前定義されたオントロジーのカテゴリにマッピングすることができる。
信頼性を向上させるため、パイプラインは複数の技術を組み合わせている。まず、複数のLLMクエリに対して多数決を行うことで、単一のクエリによるランダムなエラーを低減する。次に、構文およびスキーマレベルの検証を実施し、生成された出力が期待される表現形式とオントロジー制約に準拠していることを確認する。この多層的な検証メカニズムにより、自動生成されたオントロジーの信頼性が高まり、手動構築の品質に近づく。
著者らは複数のロボット記述でこの手法を評価し、生成された抽象化について議論している。予備的な結果は、提案手法が低レベルのロボット記述と、人間とロボットのインタラクションに必要な構造化されたグラウンデッドな知識表現との間のギャップを効果的に埋めることができることを示している。これは予備的な探索ではあるが、ロボットオントロジーの自動構築におけるLLMの可能性を示しており、将来のより知的で適応的なロボットシステムの基盤となるだろう。
本論文は第18回国際ソーシャルロボティクス会議（ICSR 2026）で発表される予定であり、会議は2026年7月にロンドン大学で開催される。著者にはBastien Dussardらが含まれ、LAAS-RISなどの機関に所属している。この研究はロボティクス（cs.RO）と人工知能（cs.AI）の学際領域に位置し、ロボットの意味理解に対する新たな自動化の道を開くものである。