モデルコンテキストプロトコルによる検索基盤ロボットプログラム生成とシミュレーションに基づく修正

本論文は、自然言語のタスク記述からABB RAPIDロボットプログラムを生成・検証・反復修正する、言語モデルベースのワークフローを提案する。具体的には、検証済みの技術文書と生産テンプレートに基づくデュアルストリームのretrieval-augmented generation (RAG)パイプラインでコード生成を接地し、カスタムModel Context Protocol (MCP)サーバーを介して言語モデルクライアントをABB RobotStudioに直接接続し、コードの自動アップロード、シミュレーション実行、診断フィードバックを可能にする。

従来の言語モデルによるコード生成は、ドメイン固有のエラーを起こしやすい。本手法は、RAGにより検証済み文書とテンプレートを参照して接地することで、未接地の言語モデルに比べてドメイン固有エラーを低減する。さらに、MCPサーバーを介してシミュレーション実行と診断フィードバックを統合し、静的チェックや意味チェックでは検出できない実行時エラーを発見・修正できる点が新しい。

手法の核は、(1)デュアルストリームRAGパイプラインで、技術文書と生産テンプレートの2つの情報源から関連情報を取得してコード生成を接地すること、(2)カスタムMCPサーバーにより言語モデルとABB RobotStudioを接続し、コードの自動アップロード、シミュレーション実行、診断フィードバックのループを実現することである。

評価は、(1)30クエリのretrievalベンチマーク、(2)スコープを限定したコード生成チェック、(3)シミュレーション上のピックアンドプレース製造セルでのRobotStudioケーススタディの3つで構成される。シミュレーションループにより、吸着リリース高さエラー、到達不能な配置ターゲット、構成依存のリカバリ動作など、静的・意味チェックでは検出できない実行失敗が明らかになった。

結果は、RAGとMCPが接地されたコード生成と産業用ロボットシミュレーションソフトウェアからの実行可能なフィードバックを結びつけることを示すが、専門家によるセットアップと最終監視の必要性を低減するものの、完全には排除しない。要旨からは、専門家の介入がどの程度必要か、また実環境での適用可能性や限界についての詳細は不明。

要旨で参照されている関連研究として、retrieval-augmented generation (RAG)の一般的な手法、Model Context Protocol (MCP)、ABB RobotStudio、ABB RAPID言語に関する研究が挙げられる。具体的な論文タイトルは要旨にないため、同分野の定番として、ロボットプログラム生成における言語モデルの利用や、シミュレーションを用いたコード修正に関する研究を読むとよい。