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
タスク計画arXiv:2610.28955

小型・低消費電力・安全なロボットタスク計画のための基盤モデルSLoSa

SLoSa: Small, Low-Power, and Safe Foundation Models for Robotic Task Planning

シェア:XThreadsFacebookLINEはてブBluesky

古典プランナとLLMを組み合わせた安全重視のデータセット構築と検証報酬による強化学習で、4B〜14Bの小型モデルをロボットタスク計画向けにファインチューニングし、安全性と成功率を両立させた。

詳しい要約

1. どんなもの？

- ロボットのタスクプランニング向けに、Small・Low-power・Safety-aware な foundation model を訓練する neuro-symbolic な compression・fine-tuning framework「SLoSa」を提案 - 安全制約を満たしつつタスク目標を達成する planner を、限られた計算資源のロボット上で動かすことを狙う - 対象は PDDL 領域、家庭用シミュレータ、edge 端末、実機ロボットアーム

2. 先行研究と比べてどこがすごい？

- 従来の classical planner は明示的な symbolic 表現上で探索し安全制約に対する形式的保証が可能だが、入力形式が固定的で探索空間とともに計算コストが急増 - LLM は柔軟なタスクインタフェースと高い汎化を持つが、大規模・高消費電力でロボット固有の安全データや知識が乏しく、資源制約のあるロボットへのローカル配備が困難 - SLoSa はこの両者の制約を、小型・低電力・安全意識を両立する形で埋める点が特徴

3. 技術・手法の肝は？

- classical planner、advanced teacher LLM、formal verifier を用いて safety-aware dataset を構築 - 第1段階として supervised fine-tuning を実施 - 第2段階として verification-based reward machine に導かれた reinforcement learning (RL) fine-tuning を行い、安全 alignment を強制 - 小型モデル(4B-14B)を対象に、INT4 量子化による edge 配備も想定

4. どうやって有効だと検証した？

- 4つの PDDL domain、2つの household simulation environment、local edge platform、desktop robotic arm で評価 - PDDL タスクでは verifier-guided post-training により compact な 4B-14B planner の成功率が 70.5-76.0% に向上 - Jetson Orin 上での INT4 配備で平均消費電力 17.85-26.41 W を計測 - household simulator と実機ロボットでも多様な設定への適用性を実証

5. 議論はある？

- 小型・低電力・安全を同時に狙う設計の有効性を示す一方、具体的な限界や失敗事例、安全性保証の範囲については要旨からは不明 - classical planner と formal verifier に依存したデータ構築・報酬設計の一般性やスケーラビリティについての議論は要旨からは不明 - 実機・シミュレータでの適用範囲の詳細な比較は要旨からは不明

6. 次に読むべき論文は？

- classical planner による symbolic task planning と formal verification の関連研究 - LLM を用いた robotic task planning および LLM-based planner の安全 alignment 研究 - reinforcement learning from verification / reward machine を用いた安全制約付き学習 - PDDL ベースの planning benchmark と household simulation environment に関する研究 - 小型 LLM の量子化(INT4)・edge 配備に関する研究

※ 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: Weizhe Xu, Jialiang Fan, Essien Taylor, Zijun Wang, Russell Joseph, Fanxin Kong

分類: cs.RO, cs.AI, cs.LO

原文アブストラクト

Safe robotic task planning requires planners that can reliably achieve task goals while satisfying safety constraints. Classical planners search over explicit symbolic task representations and can provide formal guarantees with respect to encoded safety constraints, but require rigid input formats. Their computational cost also increases rapidly with the search space. In contrast, large language models (LLMs) offer flexible task interfaces and strong generalization capabilities, but they are large, power-hungry, and pre-trained with little robot-specific safety data and knowledge. Thus, they can be difficult to deploy locally on robotic systems with limited resources. To address these limitations, we present SLoSa, a neuro-symbolic compression and fine-tuning framework for training foundation-model-based robotic task planners with Small size, Low power demand, and Safety awareness. The framework first constructs a safety-aware dataset using classical planners, an advanced teacher LLM, and formal verifiers, followed by two training stages: supervised fine-tuning and reinforcement learning (RL) fine-tuning guided by a verification-based reward machine to enforce safety alignment. We evaluate SLoSa across four Planning Domain Definition Language (PDDL) domains, two household simulation environments, local edge platforms, and a desktop robotic arm. Across the PDDL tasks, verifier-guided post-training raises the success rate of compact 4B-14B planners to 70.5-76.0%, while INT4 deployment on a Jetson Orin requires 17.85-26.41 W of average power. Results in household simulators and on the physical robot further demonstrate the applicability of SLoSa across diverse robotic task settings.

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