日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
マニピュレーションarXiv:2609.20822

障害物を考慮したハーネスによる安全なロボットマニピュレーションのためのコーディングエージェント

Coding Agents with an Obstacle-Aware Harness for Safe Robot Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

言語モデルがロボット制御プログラムを書くコーディングエージェントは安全制約を無視しがちなため、障害物を考慮した経路計画と接触実行のハーネスを導入し、安全性を優先させる手法を提案する。

詳しい要約

1. どんなもの？

- 言語モデルがロボットコントローラをプログラムとして書き、ロボット固有の訓練なしに操作する coding agent の安全性を評価する研究。 - 各タスクは操作目標と触れてはならない障害物のペアで構成され、安全性制約下での性能を測定。 - 提案手法 SafeHarness は障害物を考慮した2つのハーネスで安全性制約を優先させる。

2. 先行研究と比べてどこがすごい？

- 従来の coding agent はロボット固有訓練不要で操作可能だが、安全性は未検討だった。 - 制約下では既存 agent がほとんどの場合で障害物に衝突し、タスク完了のみを目的化。 - SafeHarness はタスク成功率 71.9%、衝突回避率 87.5% を達成し、先行 SOTA をそれぞれ 6.5%、27.0% 上回る。 - ハーネスなしの同一 agent の 2.3倍、1.5倍の性能。

3. 技術・手法の肝は？

- 操作を route phase と contact-rich moment に分解し、失敗源を特定。 - 経路では安全制約を優先できず、clearing route の概念や再計画がない。 - 接触時も同じ制約が接触実行を制限することを認識していない。 - SafeHarness は obstacle-aware route planning と obstacle-aware contact execution を提供。 - 経路計画は物体を bounding boxes として接地し、waypoints 列として候補経路を描画。 - agent は事前に経路を計画・検証・必要時に再計画してから実行。 - 接触実行は接触位置を選び、接触自体が障害物を避けるようにする。

4. どうやって有効だと検証した？

- 安全性制約下で coding agent を評価し、タスク成功率と衝突回避率を測定。 - SafeHarness が 71.9% のタスク成功と 87.5% の衝突回避を達成。 - 先行 SOTA を 6.5% と 27.0% 上回り、ハーネスなしの同一 agent の 2.3倍と 1.5倍。

5. 議論はある？

- 失敗の原因は知覚や指示ではなく計画にあり、明示された制約が優先されない点。 - 経路フェーズでは clearing route の概念と再計画の欠如が問題。 - 接触フェーズでは接触実行が同じ制約に縛られることの無認識が問題。 - その他の議論や限界は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として coding agents、robot manipulation、obstacle-aware planning、contact-rich manipulation の定番研究が挙げられる。

※ 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: Bingxin Xu, Yuzhang Shang, Zhen Dong, Emilio Ferrara

分類: cs.RO, cs.AI, cs.CL, cs.CV

原文アブストラクト

Coding agents have emerged as a promising paradigm for robot manipulation: a language model writes the robot controller as a program, and agents built in this way now operate robots without robot-specific training.Whether this paradigm is also safe, however, has not been asked. We evaluate coding agent under a safety constraint, where each task pairs a manipulation goal with an obstacle the robot must not touch. The agent pursues the goal but collides with the obstacle in most cases, treating task completion as its sole objective while neglecting safety. The agent reasons about the obstacle in its traces, and the prompt already forbids touching it, so neither perception nor instruction is at fault; the fault lies in the planning, where the stated constraint never becomes a priority. By decomposing manipulation into a route phase and a contact-rich moment, we locate the source of the failure. Along the route, the model cannot prioritize the safety constraint, having no notion of a clearing route and none of replanning once a chosen route becomes infeasible. At the contact, it is unaware that contact execution is bounded by the same constraint. To close this gap, we present SafeHarness, which equips the model with two obstacle-aware harnesses that enable it to prioritize the safety constraint. Obstacle-aware route planning grounds the objects as bounding boxes and draws candidate routes over them as sequences of waypoints. The agent then plans a route in advance, verifies it, replans when necessary, and only then executes it. Obstacle-aware contact execution instead selects the contact position so that the contact itself avoids the obstacle. SafeHarness attains 71.9% task success and 87.5% collision avoidance, surpassing the previous SOTA by 6.5% and 27.0%, respectively. These results are $2.3\times$ and $1.5\times$ those of the same agent without harnesses.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI