[2L6-GS-5d] Agents

6:00 PM - 6:15 PM JST(9:00 AM - 9:15 AM UTC)

[2L6-GS-5d-03] Automatic Construction of Hierarchical Action Selection Networks Based on Task Decomposition Using Large Language Models

〇Tatsuya Yamaguchi¹, Mio Yamamoto¹, Kanata Takayasu², Reo Abe², Satoshi Kurihara¹ (1. Faculty of Science and Technology, Keio University, 2. Graduate School of Science and Technology, Keio University)

Keywords:

planing,LLM,Task decomposition

近年，ロボット分野ではエンドツーエンド型の動作学習手法が広く採用されているが，人間並の汎用性や適応力を獲得するためには，大量の学習データおよび膨大な計算資源を必要とするという課題が指摘されている．一方，GPTに代表される大規模言語モデル（LLM）は，常識知識や暗黙知を含む多様な知識を内部に保持しており，これらを活用することで，高い汎用性および適応力を備えた行動計画の実現が期待される．
本研究の目的は，LLMを用いたタスク分解に基づき，行動の最小単位であるプリミティブ動作と，複数のプリミティブ動作によって構成される機能的動作からなる二層に着目した階層行動選択ネットワークを構築する枠組みを確立することである．タスク分解およびネットワーク構築の両過程にLLMを用いることで，自動構築を可能とする．提案手法をタスクに適用した結果，タスク分解および行動選択ネットワークの構築が一定程度可能であることを確認した．本稿では，提案手法の全体構成と二層構造の特徴について整理し，上位層を含む行動計画への拡張を今後の課題として位置づける．