大規模言語モデルを用いた自然言語指示に基づく制約を考慮した経路計画

概要:
現実世界の経路計画タスクは、単純なルート最適化を超える複数の制約を通常伴います。例えば、ルートの数、最大ルート長、デポの位置、タスク固有の要件などです。
従来のアプローチは、各問題のバリアントに対して専用の定式化とアルゴリズムに依存しており、多様なシナリオにまたがってスケールさせることを難しくしています。
本研究では、自然言語入力から直接制約付き経路計画問題を解決するために、Large Language Models（LLMs）を活用した柔軟なフレームワークを提案します。コアのアイデアは、ユーザーがルーティングタスクを対話的に説明できるようにし、LLMが解の検証と反復的な洗練を通じて問題を解釈し解決することを可能にすることです。提案手法は、2つの統合されたコンポーネントから成ります。これまでに定式化・研究されてきた問題タイプについては、LLMがまず入力リクエストを事前定義されたテンプレートのライブラリ内の既知の問題定式化と照合します。新規または未知の問題インスタンスについては、LLMが自然言語の説明から問題表現を自律的に推測し、インコンテキスト学習の形で適切な定式化を構築します。いずれの場合も、解の生成と検証を繰り返すプロセスがLLMを導き、実現可能でかつ徐々に最適化された解の生成へと導きます。候補解は、遺伝的アルゴリズム風の洗練化に触発された、自己修正の複数回のラウンドを通じて比較・改良されます。私たちは、このLLMベースのフレームワークの設計、実装、および評価を提示し、さまざまな制約付き経路計画問題を扱う能力を実証します。この方法は、最小限の人間の介入で現実世界のルーティングタスクを解決するための、スケーラブルで一般化可能なアプローチを提供し、自然言語を通じた柔軟な問題仕様を可能にします。