物理エージェンティックAI：LLMによるロボットクルー編成のためのアーキテクチャ

本論文は、複数のロボット（ロボットクルー）をLLM（大規模言語モデル）で調整するためのアーキテクチャ「Physical Agentic AI」を提案している。これは、意味的プランニングと実行の間に明示的なインターフェースを設け、各計画アクションをロボットの能力、システム状態、ワークフロー制約に対して検証してから実行する。具体的には、各ロボットが実行可能なスキルの型付きライブラリを公開し、基盤モデルプランナーがタスクをフェーズに分解して各フェーズをロボット・スキルペアに割り当てる。Robot Orchestrationレイヤーがスキルライブラリ、ロボット状態、名前付きロケーション、ワークフロー契約を非実行型のMission Plannerに公開し、決定論的なRobot Orchestratorが一度に1つのスキルを検証・承認する。

従来のAgentic AIフレームワークは、タスクを多段階プランに分解するが、身体性固有の能力、物理的前提条件、ロボット間調整に関する情報を組み込んでも、実行不可能・タイミング不良・安全でない物理アクションを排除できない。本提案は、意味的プランニングと実行の間に明示的なアーキテクチャ的インターフェースを導入し、各アクションを実行前に検証することで、この問題に対処している点が新しい。

手法の核は、スキル基盤のロボットエージェントオーケストレーションである。各ロボットは実行可能なスキルの型付きライブラリを公開し、基盤モデルプランナーがタスクをフェーズに分解して各フェーズをロボット・スキルペアに割り当てる。Robot Orchestrationレイヤーは、スキルライブラリ、ロボット状態、名前付きロケーション、ワークフロー契約を非実行型のMission Plannerに公開する。決定論的なRobot Orchestratorが一度に1つのスキルを検証・承認し、実行前にすべての計画アクションをロボット能力、システム状態、ワークフロー制約に対して検証する。

ドローンとUGVによる探索・派遣ミッションをGazeboでライブ実行し、すべての条件で全ミッションを実行した。また、ヒューマノイドと四足ロボットによる運搬タスクを、ハードウェア同等のスキルインターフェースとUnitree G1およびGo2での2回の物理試験で評価した。プランナーの知識と実行時強制を独立に変化させ、検索によりスキル接地率が51%から96%に向上する一方、情報を得たプランナーでも23-29%の障害ステップを派遣することを確認した。1回の派遣ごとの強制により、誤派遣が0%になり、誤ブロックもなかった。保持プランアブレーションにより、ゲートが原因でありプラン変動ではないことを確認した。ライブ実行では、強制なしでは8つの注入障害すべてがオーケストレーション境界を越え、6つがロボット動作を生じたが、強制ありでは8つすべてが動作前に拒否された。

要旨からは、議論の詳細は不明であるが、強制の有無による結果の違いが明確に示されており、実行時強制の重要性が強調されている。また、検索によるスキル接地率の向上がプランナーの情報提供に有効である一方、それだけでは不十分で、実行時強制が必要であることが示唆されている。

要旨で参照されている関連研究として、Agentic AIフレームワーク、基盤モデルプランナー、スキルライブラリ、ロボットオーケストレーションに関する研究が挙げられる。具体的には、LLMを用いたタスクプランニング、ロボットスキルの表現、マルチロボット調整に関する論文が関連する。