マニピュレーション2026/9/10arXiv:2609.11043

LTLDiff: 有限線形時相論理によるデータ生成と拡散ポリシーを用いたマルチエージェントロボットマニピュレーション

LTLDiff: Finite Linear Temporal Logic-Guided Data Generation and Diffusion Policies for Multi-agent Robotic Manipulation

シェア:X Threads Facebook LINE はてブ Bluesky

自然言語指示から有限線形時相論理(LTLf)仕様を学習し、その論理埋め込みを条件としてデモ生成と拡散ポリシー学習を行うことで、マルチエージェント協調マニピュレーションの成功率を向上させたフレームワーク。

詳しい要約

1. どんなもの？

- 複数エージェントのロボットマニピュレーションにおいて、時間的・論理的・安全制約を満たす協調を実現するフレームワーク LTLDiff を提案。 - Finite Linear Temporal Logic (LTLf) の仕様学習と diffusion policy を組み合わせる。 - 自然言語指示から大規模言語モデルを用いて各タスクの LTLf 式を学習。 - 学習した仕様を抽象構文木表現で固定次元ベクトルに埋め込み、データ収集と policy 学習の条件として利用。

2. 先行研究と比べてどこがすごい？

- 従来の diffusion policy は、同時または逐次的なマルチエージェント相互作用を要するタスクで、非同期化、誤った行動順序、協調失敗が生じる問題があった。 - LTLDiff は LTLf 仕様を条件に組み込むことで、望ましい順序と協調要件に沿った軌道を促進し、タスク成功率を改善。 - ベースラインと比較して成功率が向上したと報告。

3. 技術・手法の肝は？

- 自然言語指示から大規模言語モデルを用いてタスク固有の LTLf 式を学習。 - LTLf を抽象構文木表現スキームで固定次元ベクトルに埋め込み。 - この論理埋め込みを条件として、(i) 論理誘導データ収集と (ii) diffusion ベース policy 学習を行う。 - これにより、望ましい順序と協調要件に一致する軌道を促す。

4. どうやって有効だと検証した？

- マルチエージェント LTLDiff マニピュレーションタスクでの実験を実施。 - ベースラインと比較してタスク成功率が向上したことを示す。 - これにより LTLDiff が協調マルチエージェントマニピュレーションに有効であることを実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- diffusion policy - Finite Linear Temporal Logic (LTLf) - 大規模言語モデルを用いた仕様学習 - マルチエージェントロボティクス

※ 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: Chuhan Meng, Haiyan Yin

分類: cs.RO

原文アブストラクト

Multi-agent robotic manipulation tasks require coordination among agents to satisfy task-level temporal, logical, and safety constraints. Recently, diffusion policies have been used to perform the task. However, they still suffer from desynchronization, incorrect action ordering, and coordination failures in tasks that require simultaneous or sequential multi-agent interaction. Therefore, LTLDiff is proposed as a framework that combines Finite Linear Temporal Logic (LTLf) specification learning for both the generation of demonstrations and learning via diffusion policies. Each task has a specific LTLf formula that is learned from a set of natural language instructions using a large-scale language model. To enable a fixed-dimensional vector embedding of the learned specification from the language model, LTLf uses an abstract syntax tree representation scheme. This embedding of logic serves as a condition for (i) logic-guided data collection and (ii) diffusion-based policy training, encouraging trajectories that are consistent with the desired ordering and coordination requirements. Experiments on multi-agent LTLDiff manipulation tasks demonstrate improved task success rates compared to the baseline. Together, these contributions demonstrate the effectiveness of LTLDiff for coordinated multi-agent manipulation.

arXivで原文を読む →arXiv概要ページ