LLMを用いたアフォーダンス獲得可能な知識グラフの構築手法の提案

抄録

近年めざましい発展を遂げるLLMには，人間の記述した文章が大量に学習に用いられており，人間の持つ知識が豊富に含まれており，その中には人間が観測したモノや，現在置かれている環境など，特定の状況下で動作を想起するような暗黙知としてのアフォーダンスを含んでいると考えられる．本研究では，LLMから人間が持つ知識をLLMから抽出する方法，抽出した知識をネットワークとして構造化する方法，ネットワークからアフォーダンスを獲得する方法について提案する．この手法は，LLMから出力された自然言語としてのテキストから，観測された状況と同時に動作が共起された回数を基にしてネットワーク上の距離を定義することで，アフォーダンスをネットワーク間距離として定義する．実験によって，複数のモノ，環境を含む状況下におけるアフォーダンスの獲得が可能となり，道具としてのモノと動作対象としてのモノを自律的に決定したアフォーダンスの獲得が可能であること，モノに付随する属性や観測者が置かれている環境に応じたアフォーダンスが獲得可能であるということが確認された．