AUV運用における共有自律のための認知アーキテクチャ

本論文は、遠隔操作車両（ROV）の運用におけるオペレータの状況認識の低さと作業負荷の高さという問題に対処するため、オントロジーと複数の大規模言語モデル（LLM）から構成される認知アーキテクチャを提案している。このアーキテクチャは、ミッションの全段階（可能性評価、計画、実行）でオペレータを支援する。各LLMはオントロジーからのドメイン固有情報で基盤付けられ、単純な役割を与えられる。フレームワークは、与えられたUUVに対してミッションが可能かどうかを判断し、ミッション計画を実行し、シミュレーションでミッションを実行する。オペレータは計画と実行に関与でき、計画の妥当性と実行中の安全性を確保する。

先行研究では、オペレータ支援のための個別のツールや手法が提案されているが、オントロジーとLLMを組み合わせて、ミッションの全段階を統合的に支援する認知アーキテクチャはほとんどない。本手法は、オントロジーによるドメイン知識の基盤付けとLLMの推論能力を組み合わせることで、より正確で状況に応じた意思決定を可能にする点が新しい。また、複数のLLMを比較し、各役割に最適なモデルを特定している点も独自性がある。

手法の核は、オントロジーとLLMの統合である。オントロジーはドメイン知識（UUVの能力、環境、ミッション要件など）を構造化して提供し、各LLMはその知識に基づいて推論を行う。各LLMには単純な役割（例：可能性評価、計画、実行）が与えられ、システム全体として協調して動作する。オペレータは計画と実行の段階で介入でき、システムの出力を検証・修正できる。また、異なるLLM（Llama3、GPT-OSS、Qwen2.5）を比較し、各役割に最適なモデルを選択する。

有効性の検証は、シミュレーション環境で行われた。具体的には、フレームワークがミッションの可能性評価、計画、実行を正しく行えるかどうかをテストし、異なるLLMの性能を比較した。その結果、GPT-OSSが可能性評価、計画、実行の役割で最良の性能を示し、Qwen2.5が自然言語入力からのミッションタイプ識別に最適であることが分かった。ただし、実機での検証は行われておらず、シミュレーションのみである。

議論としては、LLMの選択が役割によって異なることが示され、システム全体の性能は各LLMの組み合わせに依存する可能性がある。また、オントロジーの設計が重要であり、ドメイン知識の網羅性がLLMの推論精度に影響する。さらに、オペレータの関与が安全性を向上させるが、その分作業負荷が増える可能性もあり、バランスが課題となる。要旨からは、実環境での検証や、オペレータの主観的評価などは不明である。

要旨で参照されている研究は明示されていないが、関連する分野として、共有自律（shared autonomy）の研究、LLMを用いたプランニング、オントロジーを用いた知識表現などが挙げられる。次に読むべき論文としては、共有自律の一般的な枠組みを扱った論文や、LLMをロボット制御に応用した最近の研究が考えられる。具体的には、"Shared Autonomy"に関するサーベイ論文や、"LLM-based Planning"の研究が参考になる。