VLA2026/9/15arXiv:2609.16884

学習された視覚知覚と記号的信念空間プランニングの橋渡し

Bridging Learned Visual Perception and Symbolic Belief-Space Planning

VLMによる述語のグラウンディングの不確かさを確率分布として扱い、信念空間でプランニングすることで不確実性下でも頑健な計画を生成する手法を提案した。

詳しい要約

1. どんなもの？

- 部分的観測下のロボット計画問題を扱う研究。 - VLMを用いて知覚と記号的推論を橋渡しする新パラダイム『VLM-as-probabilistic-grounder』を提案。 - VLMの述語groundingの不確実性を記号状態上の確率分布として捉え、belief spaceでの計画を可能にする。 - 家庭環境シミュレーションでロバスト性とタスク成功率の向上を示す。

2. 先行研究と比べてどこがすごい？

- 既存の2パラダイムは不確実性を無視。 - VLM-as-planner: 画像を直接行動列に写像。 - VLM-as-grounder: 観測を記号述語にgroundingし、初期状態としてoff-the-shelf plannerに渡す。 - 両者とも計画過程の不確実性を考慮せずロバスト性が低い。 - 提案法はVLM groundingの不確実性を確率分布として扱い、belief space計画でロバストな計画を生成。

3. 技術・手法の肝は？

- VLMによる述語groundingの不確実性を、記号状態上の確率分布として表現。 - その分布を初期beliefとして用い、belief spaceでの計画を実行。 - これにより不確実性下でもロバストな記号計画を生成。 - 詳細なアルゴリズムや確率推定手法は要旨からは不明。

4. どうやって有効だと検証した？

- シミュレートされた家庭用ロボット設定で実験。 - 決定論的groundingと比較し、ロバスト性とタスク成功率の向上を確認。 - 具体的なベースライン、指標、タスク内容は要旨からは不明。

5. 議論はある？

- 不確実性を考慮しない既存手法の問題点を指摘。 - 提案法がfoundation modelを不確実性下の信頼できる計画に活用できることを示唆。 - 限界や今後の課題についての議論は要旨からは不明。

6. 次に読むべき論文は？

- VLM-as-planner - VLM-as-grounder - off-the-shelf planner - belief space planning - Vision-Language Models (VLMs)

※ 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: Guy Azran, Michael Navat, Sarah Keren

分類: cs.AI, cs.RO

原文アブストラクト

In partially observable settings, agents must act without full knowledge of the world state and rely on uncertain state-estimation pipelines. Obtaining grounded and verifiable symbolic plans under such uncertainty remains a key challenge. Recent work has integrated Vision-Language Models (VLMs) to bridge perception and symbolic reasoning, following two main paradigms. The first, VLM-as-planner, maps images directly to action sequences, and the second, VLM-as-grounder, grounds observations into symbolic predicates used as the initial state by off-the-shelf planners. Both approaches ignore uncertainty in the planning process, compromising robustness. We introduce a third paradigm, VLM-as-probabilistic-grounder, a novel approach that captures the uncertainty of VLM predicate groundings as a probability distribution over symbolic states. This enables planning in belief space and producing robust plans under uncertainty. Experiments in simulated household robot settings show improved robustness and task success over deterministic grounding, underscoring how our approach leverages foundation models for reliable planning under uncertainty.

arXivで原文を読む →arXiv概要ページ