Adaptive Domain Modeling with Language Models: A Multi-Agent Approach to Task Planning

あなたはロボットに夕食の作り方を教えようとしていると想像してください。昔、科学者たちは、あらゆる可能なシナリオに対して膨大な、硬直した指示書を書かなければなりませんでした。「もし鍋が赤ければ、Xをせよ。もし鍋が青ければ、Yをせよ」といった具合です。もしロボットが緑色の鍋に遭遇したり、見たことがないタスクに直面したりすると、マニュアルに記載がなかったために、ロボットはフリーズしてしまいました。これが、コンピュータが厳格に書き込まれたルールに従う**記号的プランニング（symbolic planning）**の世界です。これは強力ですが、1990年の地図に描かれた道路しか知らないGPSのようなもので、新しい道路が開通すると迷子になってしまいます。

一方で、現在、私たちには**大規模言語モデル（LLM）**があります。これらはチャットをし、物語を書き、人間の言葉を理解できる、非常に賢いAIの脳です。これらは驚くほど柔軟で、あなたが言葉を奇妙に表現したとしても、あなたの意図を推測することができます。しかし、これらは少し、天才的だが注意散漫な芸術家のようなものです。見た目は素晴らしい計画を夢想しても、それがロボットにとって物理的に不可能なものである可能性があったり、物理法則を完全に忘れてしまったりすることがあります。

科学者たちの大きな疑問は、「古いルールに従うロボットの厳格な信頼性」と「新しいAIの柔軟でクリエイティブな脳」をどのように組み合わせるかということです。私たちは、「一番大きなブロックを一番下に置いてタワーを作って」という、現実世界の乱雑なリクエストを理解し、たとえロボットが「一番大きなブロック」を見たことがなくても、それを構築する方法を見つけ出せるシステムを必要としています。ここで、あなたがこれから読む論文が、ロボットが即座に学習する方法を提示します。

---

TAPASに出会おう：ロボットのクリエイティブな建築家チーム

TAPAS（Task-based Adaptation and Planning using AgentS）を紹介しましょう。TAPASを単一のロボットの脳ではなく、コンピュータの中で働く、高度に組織化された小さな建設作業員チームだと考えてください。一人で全てをやろうとするのではなく、TAPASは仕事を3つの専門化された「エージェント」（小さなAIワーカー）に分割し、それぞれが特定の役割を持ち、互いに話し合って計画を構築します。

このチームがどのように機能するかを、簡単な比喩を使って説明します。例えば、ブロックでタワーを作りたいとして、あなたがチームに「青いブロックの上に赤いブロックを置いて」と伝えたとします。

1. ドメイン・ジェネレーター（ルールブックの作成者）
まず、ドメイン・ジェネレーターはあなたのリクエストを聞きます。昔であれば、もしロボットが現在のルールブックに「赤」や「青」という意味を知らなかった場合、単に「エラー！その言葉を知りません！」と言って停止していました。しかし、TAPASは違います。もしドメイン・ジェネレーターが「おや、現在のルールブックには『色』を記述する方法がない」と気づいた場合、パニックにはなりません。「よし、ルールブックに『色』という新しいルールを追加する必要がある」と言います。それは、新しい概念を含めるために、ロボットの内部的な指示書をその場で文字通り書き換えるのです。

2. 初期状態ジェネレーター（シーンの設定者）
次に、初期状態ジェネレーターが部屋を見渡します。テーブルの上にあるブロックを見ます。もしルールブックが「色」を含めるように更新されたばかりなら、このエージェントは「待てよ、各ブロックは何色だ？」と問いかけます。もしあなたが教えていなければ、それはあなた（またはシミュレーション）にその情報を求めます。これにより、ロボットがすべてのブロックがどこにあり、何色であるかを、新しいルールに一致させて正確に把握できるように、舞台を整えます。

3. ゴール状態ジェネレーター（ターゲットの設定者）
最後に、ゴール状態ジェネレーターはあなたの願いである「青の上に赤」を確認します。それは新しいルールブックとシーンをチェックします。「了解。目標は、赤を上に重ねることだ」と判断します。

「ツール呼び出し（Tool-Calling）」の魔法
最もクールな部分は、彼らがどのように会話するかです。彼らはただ推測するのではなく、「ツール」を使用します。もしゴール・ジェネレーターが問題（例えば、「『サイズ』のルールがまだないので、サイズによってブロックを積むことはできない」など）を見つけた場合、missing_fluent という名前のツールを取り出し、ドメイン・ジェネレーターに「ねえ、サイズに関するルールが必要だよ！」と伝えます。するとドメイン・ジェネレーターはルールブックを更新し、チーム全体が新しい、より優れた指示とともに最初からやり直します。これは、レゴセットを作っている友人たちのグループのようなものです。もし特定のパーツが足りないと気づいたら、一人が店に買いに行き、その後、全員で再び組み立てを始めるのです。

「何を」から「どのように」へ：実行チーム

計画が書かれたら、次は実際にロボットを動かさなければなりません。これはトリッキーな作業です。なぜなら、計画は「ブロックAをブロックBの上に置く」と言うかもしれませんが、ロボットの物理的な腕は「グリッパーを座標 X, Y, Z に移動させる」ことしか知らないかもしれないからです。

TAPASは、このギャップを埋めるために**プラン・エグゼキューター（計画実行者）**を使用します。これは翻訳者のように機能します。

• 翻訳者: 高レベルで抽象的な計画を取り、それを「腕を左に動かす」や「赤いブロックを掴む」といった単純で自然な言語の指示に変換します。
• ReActエージェント: これはロボットの「Reason and Act（推論と行動）」の脳です。指示を確認し、ロボットが実際に持っているツール（スキル）をチェックし、最適なものを選びます。もしロボットがブロックを掴もうとして失敗した場合、バリデーター・エージェント（検証者）（監督役）が「おっと、うまくいきませんでした。もう一度、今度はもう少しゆっくり腕を動かしてみてください」と指示を出します。

彼らは何を発見したのか？

著者らは、2つの主要な方法でTAPASをテストしました。一つは古典的な論理パズル、もう一つはVirtualHomeと呼ばれる3Dの仮想住宅です。

1. 論理パズル（ベンチマーク）
彼らは、有名な「Blocksworld（ブロックを積み上げる）」や「Barman（飲み物を混ぜる）」を含む、7つの異なるプランニング・チャレンジでTAPASをテストしました。

• 結果: TAPASは驚異的な成績を収めました。トップクラスのAIモデル（GPT-4o）を使用した場合、「Barman」の問題の97%、「Blocksworld」の問題の**100%**を解決しました。
• 比較: 他のAIモデルを使用したり、構造化された計画なしにAIにすべてをやらせようとしたりする場合よりも、はるかに優れた結果でした。例えば、「Blocksworld」のテストでは、他の手法が大きく苦戦した一方で、TAPASは100%の課題を解決しました。

2. 「新しいルール」テスト（適応性）
こここそが、TAPASが真に輝く場面です。研究者たちは、ロボットがこれまで見たことがないようなタスク、例えば「一番大きなブロックが一番下になるようにブロックを積み上げて」や「ブロックを動かして、ただしロボットのバッテリーが切れないようにして」といったタスクを与えました。

• 結果: TAPASは、ルールブックに「サイズ」や「バッテリー」のルールを追加する必要があることを自動的に理解しました。
  • 「サイズ」のタスクについては、「ブロックを、それより大きいブロックの上にしか積んではならない」というルールを更新しました。そして、これらの難解な新課題の**90%**を解決しました。
  • 「バッテリー」のタスクについては、エネルギー消費に関するルールを追加しました。そして、「Grippers（ロボットの手）」のバッテリーに関する問題の**100%**を解決しました。
• 注意点: 完璧ではありませんでした。「Floortile（タイルの掃除）」のテストにおいて、バッテリー制約がある場合、解決率は**70%**でした。論文では、これはAIが（情報を）求める代わりに、開始時のバッテリー残量を推測してしまったためであり、システムが依然として仮定を置くことに対して慎重である必要があることを示唆しています。

3. VirtualHome シミュレーション
最後に、彼らはTAPASを3Dの住宅シミュレーションの中に置きました。タスクは、「冷蔵庫からパイを取り出してテーブルに置く」こと、そして「サーモンを温めてテーブルに置く」ことでした。

• 結果: TAPPOSは計画を生成し、それをアクションへと翻訳し、仮想ロボットを誘導して、冷蔵庫を開け、食べ物を掴み、電子レンジを使い、アイテムをテーブルに置くことに成功しました。
• 記憶のトリック: 彼らは、TAPASが失敗から学べるかどうかについてもテストしました。彼らはシステムに、「次に冷蔵庫を使うときは、たとえ指示がなくても、必ずドアを閉めるようにしてください」と伝えました。その後、ロボットが同様のタスクに直面したとき、このルールを記憶しており、自動的に冷蔵庫を閉めました。これは、TAPASが「手続き的記憶（procedural memory）」を保存し、時間をかけて改善できることを示しています。

なぜこれが重要なのか（そして、何ではないのか）

この論文は、TAPASが、言語を理解するAIの創造性と、厳格なプランニング・ルールの信頼性の両方の「良いとこ取り」をしているため、強力な一歩であると示唆しています。それは単に台本に従うのではなく、状況が変わったときに台本を書き換えることができるのです。

しかし、著者らはこれがあくまでシミュレーションであることに注意を促しています。彼らはコンピュータの世界（VirtualHome）や標準的な論理パズルでテストしたのであり、乱雑で現実世界のキッチンにおける実物のロボットでテストしたわけではありません。結果は有望ですが、論文は、AIが「ハルシネーション（事実の捏造）」を起こしたり、自動的に修正できないほど複雑なエラーが発生したりすることを防ぐといった、現実世界への導入における課題が依然として存在することを認めています。

要するに、TAPASは単に地図に従うだけのロボットではなく、行き止まりを見つけたら新しい地図を描き、道に迷ったら指示を仰ぎ、次回のショートカットを覚えておくことができるロボットのようなものです。まだ完璧なロボットではありませんが、非常に賢い、即座に考えて動くことを学んでいるロボットなのです。