セマンティクスの抽出：LLMを用いたURDFからのロボットオントロジーの自動生成
大規模言語モデル（LLM）を活用して、URDFモデルからロボットの意味的抽象化を自動生成する予備的アプローチ。多数決投票と構文検証により信頼性を向上させる。
arXivで公開された新しい論文は、大規模言語モデル（LLM）を使用して、標準化されたロボット記述ファイル（URDF）から意味情報を自動抽出し、ロボットオントロジーを構築する手法を提案しています。LAAS-RISのBastien Dussard氏らによるこの研究は、認知ロボティクスにおけるオントロジーの手動構築というボトルネックを解消することを目的としています。
オントロジーは認知ロボティクスにおいて、異種知識を統合し、継続的な知識更新下でも解釈可能な推論を可能にする重要な役割を果たします。しかし、従来は手動で構築されるため効率が悪いという問題がありました。URDFファイルはロボットの構造と運動学的記述を提供しますが、その識別子（例：「arm_left」や「gripper」）は直接的な意味を持たず、常識的な解釈が必要です。この点でLLMが活用されます。
研究チームのパイプラインでは、既存のオントロジーの概念をLLMにプロンプトとして与え、URDF識別子の意味関係を推論させ、最終的な分類が正式なモデルと一致するように調整します。信頼性を高めるため、複数クエリの多数決メカニズムと構文・スキーマレベルの検証を組み合わせ、出力が期待される表現形式とオントロジー制約に準拠するようにします。実験では、移動ロボットやマニピュレータなど複数のロボット記述で評価し、LLMが「base_link」を「MobileBase」クラスに正しくマッピングできる一方、「head」を人体の頭部ではなくカメラプラットフォームと解釈するなど曖昧さも見られました。多数決投票によりそのような誤りを低減できました。
初期結果は、この手法が低レベルのロボット記述と構造化された接地知識表現の間のギャップを効果的に埋めることを示しています。この論文は2026年7月にロンドンで開催される第18回国際社会ロボティクス会議（ICSR 2026）で発表される予定です。将来の研究では、オントロジーライブラリの拡張やより複雑なロボット構造への対応が計画されています。