プランニング2026/8/23arXiv:2608.22149

Meta-Ctrl: 構文制約と意味制約の分離による保証付きプラン生成

Meta-Ctrl: Guaranteed Plan Generation by Decoupling Syntactic and Semantic Constraints

LLMが生成するロボットのプランが構文・意味制約を必ず満たすようにする制約付きデコーディング手法を提案。メタトークン導入でメモリ消費を大幅削減し、小型モデルでもGPT-4を超える性能を実現。

詳しい要約

1. どんなもの？

Meta-Ctrlは、LLMが生成するロボットのプランが構文・意味的制約を確実に満たすようにする制約付きデコーディングフレームワーク。メタトークンと呼ばれる接地されたアクションのコンパクトな語彙を導入し、トークンレベルで構文、アクションレベルで意味（前提条件、目標、順序）を強制する。

2. 先行研究と比べてどこがすごい？

既存のソフト手法（affordance scoring、grounded decoding）は保証を与えず、シンボリックプランナー（LLM+P）はLMの常識を捨てる。Meta-Ctrlは制約を保証しつつ、ベースLMのプラン品質を維持する点で優れる。また、制約付きデコーディングのメモリ使用量を107TB超から2GB未満に削減する。

3. 技術・手法の肝は？

メタトークン（接地されたアクションの語彙）を導入し、構文制約をトークンレベルで、意味制約（前提条件、目標、順序）をアクションレベルで強制する。これにより制約付きデコーディングを正確に因数分解し、メモリ使用量を劇的に削減する。

4. どうやって有効だと検証した？

WAH-NLデータセットとLoTa-Benchプロトコルで評価し、サブゴール成功率が最高を記録し、GPT-4を上回った。また、Embodied Agent Interface全体で一貫した改善を示し、実テーブルトップロボットでも検証し、生成されたすべてのプランが前提条件と目標を満たすことを確認した。

5. 議論はある？

要旨からは、メタトークンの設計や一般化の限界、他のタスクへの適用可能性などについての議論は不明。また、小規模なオープンウェイトLMで競争力を持つことが示されたが、大規模LMとの比較や計算コストの詳細は不明。

6. 次に読むべき論文は？

要旨で参照されている研究として、LLM+P（シンボリックプランナー）、affordance scoring、grounded decoding、LoTa-Bench、Embodied Agent Interface、WAH-NLデータセットが挙げられる。次に読むべき論文は、これらの手法やデータセットの詳細を扱ったもの。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Gwen Yidou-Weng, Edward Sun, Tianyi Ma, Metin Alp Dogan, Benjie Wang, Allen Peng, Guy Van den Broeck, Yuchen Cui

分類: cs.RO, cs.AI

原文アブストラクト

LLMs generate fluent plans for robots but routinely violate the syntactic and se8mantic constraints they must satisfy to execute, and existing remedies trade formal guarantees against plan quality: soft methods (affordance scoring, grounded decoding) give no guarantee, while symbolic planners (LLM+P) discard the LM's commonsense. We propose \textbf{Meta-Ctrl}, a constrained-decoding framework that guarantees the encoded constraints while preserving the base LM's plan quality. Meta-Ctrl introduces \emph{meta-tokens}---a compact vocabulary of grounded actions---enforcing syntax at the token level and semantics (preconditions, goals, ordering) at the action level, an exact factorization that cuts the memory of constrained decoding from over 107TB to under 2GB. With it, a small open-weight LM becomes competitive where it otherwise sits at the bottom of the leaderboard: on WAH-NL under the LoTa-Bench protocol it reaches the highest reported subgoal success rate, exceeding GPT-4's, with consistent gains across the Embodied Agent Interface. We further demonstrate it on a real tabletop robot, where every generated plan satisfies its preconditions and goals by construction. Project website: https://meta-ctrlg.github.io/.

arXivで原文を読む →arXiv概要ページ