MLDT：オープンソース大型言語モデルを用いた複雑な長期ホライズンロボットタスク計画のための多層分解法

データ駆動型AI技術の領域において、オープンソース大型言語モデル（LLM）のロボットタスク計画への応用は重要なマイルストーンを示します。最近のオープンソースLLMに基づくロボットタスク計画手法は、通常、モデルの計画能力を強化するために膨大なタスク計画データセットを活用しています。これらの手法は有望ですが、より多くのコンテキスト理解と長い動作シーケンス生成を要する複雑な長期ホライズンタスクには苦戦しています。本論文では、この制約に対処するために、目標レベル、タスクレベル、動作レベルでタスクを分解するMLDT（Multi-Level Decomposition Task planning method）を提案します。この手法は複雑な長期ホライズンタスクの課題を緩和します。オープンソースLLMの計画能力向上のために、目標感度の高いコーパス生成法を導入し、高品質な訓練データを作成して生成コーパスに対する命令調整を実施します。既存データセットの複雑性が十分でないため、複雑な長期ホライズンタスクの計画能力を評価するために、より挑戦的なデータセットLongTasksを構築しました。VirtualHomeの4つのデータセットで様々なLLMを用いて手法の評価を行いました。その結果、ロボットタスク計画における著しい性能向上を示し、MLDTがオープンソースLLMに基づく既存手法の制限を克服する有効性と複雑かつ実世界のシナリオにおける実用性を示しました。