CEDAR、言語指示を正規言語で検証可能なオートマトンに変換するフレームワークを発表

何が起きたか

arxiv.orgに2026年8月28日付で掲載された論文で、言語指示を環境イベントの正規言語として表現し、決定性有限オートマトンに変換するフレームワークCEDARが提案された。Minecraft環境で、プログラム生成ベースラインが維持できない時間的・空間的制約を維持し、LLMクエリ数を削減した。

詳細

CEDARは、コード生成LLMエージェントが生成する自由形式プログラムの代わりに、環境イベントトレース上の正規言語として指示を表現する。言語モデルによる意味判断と実行トレースによる修正を用いて、スキルと仕様の両方を決定性有限オートマトンとして表現する。学習したスキルは、学習した仕様（例: 夜に眠る、このバイオームに留まる）と交差させることで、繰り返しのプロンプトではなく構造的に制約を強制するコントローラを生成する。Minecraft環境で、プログラム生成ベースラインと比較して、時間的・空間的制約を維持し、学習スキルの再利用により累積LLMクエリ数を削減した。

Key Facts

本紙の見方

本論文の核心は、言語指示を正規言語として表現し、決定性有限オートマトンに変換することで、検証可能なインターフェースを提供する点にある。従来のコード生成LLMエージェントは自由形式のプログラムを生成するが、そのプログラムは検証可能なオブジェクトを提供せず、新しい制約との合成や失敗トレースからの修復が困難だった。CEDARは、スキルと仕様をオートマトンとして表現することで、制約を実行可能な有限状態オブジェクトに変換し、繰り返しのプロンプトではなく構造的に制約を強制する。 このアプローチは、言語指示と身体化エージェントのポリシー間に検証層を提供する点で新規性がある。特に、時間的・空間的制約を維持できる点は、実世界のロボットタスクにおいて重要であり、単なる目標指定ではなく、環境の変化に応じて持続する制約を扱うことができる。 業界構造への含意として、このフレームワークは、LLMエージェントの信頼性向上に寄与する可能性がある。特に、ロボットや自動運転などの安全が重要な領域では、制約の検証が不可欠であり、正規言語による検証層は、実用的なソリューションとなり得る。また、学習スキルの再利用によりLLMクエリ数を削減できる点は、コスト削減にもつながる。 未確定の論点として、Minecraft環境での結果が実世界のロボットタスクにどの程度適用できるか、また、正規言語で表現できる制約の範囲が限定的である可能性がある。さらに、オートマトンの学習プロセスにおけるスケーラビリティや、複雑な指示への対応が今後の課題となる。

なぜ重要か

CEDARは、言語指示を検証可能なオートマトンに変換することで、LLMエージェントの信頼性と再利用性を向上させる可能性を示した。これは、実世界のロボットや自動運転など、安全が重要な領域での応用に道を開くものであり、AIとロボットの融合における重要な一歩となる。