因果知識でMLLMのロボット計画を強化するCausGround

CausGroundは、行動の前提条件と効果を因果知識として蓄積し、再利用する非パラメトリックな枠組みである。物体の属性や関係を表す世界状態の上で、前提の後ろ向き推論と効果の前向き推論を行い、行動選択や複数手順の計画に生かす。VirtualHomeでは平均タスク成功率が24.9％から53.3％へ、RoboCasaでは閉ループ計画成功率が43.0％から57.0％へ上がった。パラメータ更新なしで実ロボットの逐次操作にも適用できた。同じ話題として、長期の身体性エージェントを評価するTARSphereやSCOPEなどの関連研究も報告されている。