何が起きたか
物理AIシステムの故障診断と閉ループ修正のためのオントロジー基盤の世界モデル「Onto-EV-WM」が発表された。既存のEV-WMの上に層として追加される診断・修正インターフェースであり、タスク述語の欠落を明示的に記録し、修正機構へのルート割り当てと検証ゲートを提供する。
詳細
Onto-EV-WMは、EV-WMの代替ではなく、その上に層として追加されるオントロジー基盤の診断・検証ゲート付き修正インターフェースである。実装されたタスクローカルTBoxはエンティティ型、述語シグネチャ、制約を定義し、ソース固有のグラウンディングは予測またはシミュレータ観測状態をタスクABoxにマッピングする。決定論的ルールは、ルートラベルを割り当てる際に欠落した述語とその引数を保持する。学習またはヒューリスティックな提案者はこのシンボリックインターフェースから分離され、ネイティブタスク述語が受け入れを決定し、有界プロトコルが失敗した検証の再試行を決定する。 評価では、PointMazeでEV-WMとOnto-EV-WMの両方が94%の成功率を報告し、平均最終状態距離はそれぞれ0.90573と0.61177であった。別途予算化された探索では100%の成功率に達した。LIBERO-Goalでは、オントロジーは失敗したタスク条件を型付きレコードとして表現し、述語引数を保持し、宣言されたソース/ジョイント修正ルートと述語ゲート付き受け入れに関連付ける。完全な構成では、シード0で93.8%の修正ウィンドウ成功率、4つの評価サンプリングシード全体で94.05±0.30%を報告した。 固定の10,030タスクのLIBERO-Plusレジストリでは、Onto-EV-WMは8,526タスク（85.00%）で成功し、スイートレベルの成功率はLIBERO-10で65.98%、LIBERO-Goalで91.39%、LIBERO-ObjectとLIBERO-Spatialで91.38%であった。これらの数値は、テストされたシミュレータプロトコル下での完全なオントロジー基盤構成の性能を報告するものであり、オントロジーのみの因果シェアは個別に測定されておらず、実ロボットでの回復は評価されていない。
Key Facts
| Onto-EV-WMは、EV-WMの上に層として追加されるオントロジー基盤の診断・検証ゲート付き修正インターフェースである。 | [1] |
| PointMaze評価では、EV-WMとOnto-EV-WMの両方が94%の成功率を報告し、平均最終状態距離はそれぞれ0.90573と0.61177であった。 | [1] |
| PointMazeで別途予算化された探索は100%の成功率に達した。 | [1] |
| LIBERO-Goalでは、完全な構成でシード0で93.8%の修正ウィンドウ成功率を報告した。 | [1] |
| LIBERO-Goalで4つの評価サンプリングシード全体で94.05±0.30%の成功率を報告した。 | [1] |
| 固定の10,030タスクのLIBERO-Plusレジストリで、Onto-EV-WMは8,526タスク（85.00%）で成功した。 | [1] |
| LIBERO-Plusのスイートレベル成功率は、LIBERO-10で65.98%、LIBERO-Goalで91.39%、LIBERO-ObjectとLIBERO-Spatialで91.38%であった。 | [1] |
| オントロジーのみの因果シェアは個別に測定されておらず、実ロボットでの回復は評価されていない。 | [1] |
なぜ重要か
この研究は、物理AIシステムの故障診断と修正において、オントロジーを用いたシンボリックなインターフェースが有効であることを示す。特に、タスク述語の欠落を明示的に記録し、修正ルートを割り当てることで、シミュレーション環境での成功率を向上させることができる。ただし、実ロボットでの検証は未評価であり、今後の課題が残る。