認知ロボティクスの分野において、人間と相互作用するロボットには、環境と自身の物理的な身体について、意味論的に豊かで接地された知識表現が不可欠です。このような異質な知識を統合し、継続的な知識更新の中でも説明可能な推論を実現するために、オントロジーが活用されています。しかし、オントロジーの手動構築はボトルネックとなっており、その自動化が求められていました。 本研究は、ロボットの意味論的抽象化を自動生成する新しいアプローチを提案しています。統一ロボット記述形式（URDF）で記述されたロボットモデルをオントロジーに変換する手法で、URDFファイルは構造や運動学的な情報は含みますが、その識別子には常識的な解釈が必要とされます。ここで大規模言語モデル（LLM）が活躍します。提案されたパイプラインは、既存オントロジーの概念をプロンプトとしてLLMに提供し、意味論的関係を推論することで、最終的な分類が形式的なモデルと一致するようにしています。 信頼性を向上させるため、このパイプラインは複数のLLMクエリに対して多数決投票を組み合わせ、さらに統語的およびスキーマレベルの検証を実施しています。これにより、生成された出力が期待される表現形式とオントロジー制約に適合することを保証しています。複数のロボット記述に対する評価では、提案手法が低レベルのロボット記述と、人間ロボット相互作用に必要とされる構造化された接地知識表現との間のギャップを効果的に埋められることが示されました。