ロボット

627件
arXiv cs.AI ★4 ロボット EN

K2MUSE:リハビリテーションロボットのためのタスクと取得変動を網羅したヒト下肢多モーダル歩行データセット

要約を読む要約を閉じる
📰ニュース

リハビリテーションロボット開発向けに、様々な歩行条件と非理想的な取得条件を網羅したヒト下肢多モーダル歩行データセット「K2MUSE」が公開されました。

🔍注目ポイント

運動学、運動力学、超音波、筋電図の多モーダルデータを、傾斜・速度・疲労・電極ずれなど多様な条件下で収集し、リハビリテーションロボットの制御性能向上に貢献します。

🔮これからどうなる

リハビリテーションロボットの自然な相互作用と制御性能が向上し、より効果的なリハビリ支援や、個々の患者に合わせたパーソナライズされた治療が可能になるでしょう。

K2MUSEは、健常な若年成人30名と高齢者12名から、異なる傾斜(0°、±5°、±10°)と速度(0.5m/s、1.0m/s、1.5m/s)でデータを収集しました。
さらに、筋疲労、電極ずれ、日ごとの違いといった非理想的な取得条件も考慮されています。
このデータセットは、Viconモーションキャプチャシステム、フォースプレート内蔵トレッドミル、同期記録されたsEMGおよびAUSデータを含み、リハビリテーションロボット開発、生体力学分析、ウェアラブルセンシング研究に役立ちます。
arXiv cs.AI ★4 ロボット EN

RoboEval:ロボット操作における構造化されたスケーラブルな評価フレームワーク

要約を読む要約を閉じる
📰ニュース

ロボット操作の性能を詳細に評価する新しいフレームワーク「RoboEval」が発表されました。

🔍注目ポイント

成功/失敗だけでなく、効率性、協調性、安全性などを定量化する多角的な評価指標が特徴です。

🔮これからどうなる

ロボット開発者は、より詳細なフィードバックを得て、効率的かつ安全なロボットを開発できるようになります。

RoboEvalは、8つの二腕タスクと3,000以上の専門家によるデモンストレーションを提供し、再現可能なシミュレーションプラットフォームを備えています。
既存の評価が結果の成否に偏りがちなのに対し、RoboEvalは実行品質や失敗の原因を特定するのに役立ちます。
これにより、最先端の視覚運動ポリシーの分析を通じて、その安定性、識別力、タスク成功との相関が検証されています。
arXiv cs.AI ★4 ロボット EN

脚付きロボットの把持最適化:深層学習による移動操作アプローチ

要約を読む要約を閉じる
📰ニュース

脚付きロボットが深層学習とシミュレーションを活用し、物体を精密に把持する技術を開発しました。

🔍注目ポイント

シミュレーションで生成した大量のデータでCNNを訓練し、実機で高精度な把持を実現する点が技術的ポイントです。

🔮これからどうなる

物流や災害現場で、ロボットが不規則な物体をより正確に扱えるようになり、作業効率が向上します。

この研究は、腕を持つ四足歩行ロボットの把持精度と適応性を高める深層学習フレームワークを提案しています。
Genesisシミュレーション環境で生成された合成データセットを使用し、RGB画像、深度マップ、セグメンテーションマスク、表面法線マップなどの多モーダル入力を処理するU-NetライクなCNNを訓練しました。
これにより、実機での物体認識から最適な把持姿勢の予測、精密な把持までの一連の移動操作タスクに成功しました。
arXiv cs.AI ★4 ロボット EN

単一RGB画像からの物理的誘導による視覚的質量推定

要約を読む要約を閉じる
📰ニュース

単一のRGB画像から物体の質量を推定する新しい物理的構造化フレームワークが開発されました。

🔍注目ポイント

単眼深度推定で体積を、視覚言語モデルで材質を推定し、物理的要因と視覚情報を融合して質量を予測します。

🔮これからどうなる

ロボットが物体の重さをより正確に把握できるようになり、より安全で効率的な操作が可能になります。

質量は体積と密度に依存しますが、これらはRGB画像から直接観測できません。
本手法は、この曖昧さを解消するため、幾何学的形状と粗い材質の意味情報を抽出し、これらをインスタンス適応型ゲーティングメカニズムで融合します。
体積と密度に関連する2つの物理的潜在因子を予測することで、既存の手法を上回る性能を示しました。
arXiv cs.AI ★4 ロボット EN

AEROS:身体能力モジュールを備えた単一エージェント運用アーキテクチャ

要約を読む要約を閉じる
📰ニュース

ロボットの知能、能力、実行を統合する単一エージェント運用アーキテクチャ「AEROS」が発表されました。

🔍注目ポイント

AEROSは、ロボットを単一の知能主体とし、身体能力モジュール(ECM)で機能を拡張するOSのような仕組みです。

🔮これからどうなる

ロボット開発者は、モジュール化されたECMにより、より安全で柔軟なロボットシステムを構築できるようになります。

既存のロボットシステムは、知能の整理や実行において課題を抱えていました。
AEROSは、各ロボットを単一の永続的なエージェントと見なし、実行可能なスキル、モデル、ツールをカプセル化したECMを通じて能力を提供します。
ポリシー分離されたランタイムが実行制約と安全保証を強制し、モジュール性、構成可能性、システムレベルの安全性を実現します。
PyBulletシミュレーションでの評価では、既存手法を上回るタスク成功率と安全性を達成しました。
arXiv cs.AI ★4 ロボット EN

忘却を学ぶ — ロボットの生涯展開のための階層的エピソード記憶

要約を読む要約を閉じる
📰ニュース

ロボットがユーザーとの対話を通じて何を記憶し、何を忘れるべきかを学習するフレームワークが開発されました。

🔍注目ポイント

言語モデルとユーザーフィードバックに基づき、階層的なエピソード記憶から関連性の低い情報を選択的に忘却する技術が特徴です。

🔮これからどうなる

ロボットが長期にわたりユーザーのニーズに適応し、より効率的でパーソナルな対話が可能になるでしょう。

このH²-EMVフレームワークは、継続的なマルチモーダル知覚から得られるエピソード記憶のストレージ限界とリアルタイムクエリの非実用性を解決します。
シミュレーションと実世界での評価により、記憶サイズを45%削減し、クエリ時間を35%短縮しつつ、質問応答精度を維持・向上させることが示されました。
特に、ユーザー固有の優先順位に適応することで、2回目のクエリでは精度が70%向上しています。
arXiv cs.AI ★4 ロボット EN

明示的な物理的実現可能性はVLA学習に利益をもたらすか?実証研究

要約を読む要約を閉じる
📰ニュース

ロボットの視覚言語行動(VLA)モデルに物理的実現可能性の制約を明示的に導入する研究が発表されました。

🔍注目ポイント

拡散ベースのVLAモデルに幾何学に基づいた実現可能性目的関数を組み込み、物理的信頼性とタスク性能を向上させました。

🔮これからどうなる

ロボットがより安全で信頼性の高い動作を実行できるようになり、現実世界での応用範囲が広がることが期待されます。

従来のVLAモデルは模倣学習で訓練され、障害物回避などの物理的制約を暗黙的に学習していました。
本研究では、明示的な実現可能性の監視を導入することで、低データ環境でも学習効率が向上することを示しました。
障害物のある操作を例に、その有効性を体系的に評価しています。
arXiv cs.AI ★4 ロボット EN

複合ロボットポリシーにおけるスキル更新のためのアトミックプローブガバナンス

要約を読む要約を閉じる
📰ニュース

ロボットのスキルライブラリ更新時に、複合スキルのパフォーマンス変化を効率的に評価する手法が提案されました。

🔍注目ポイント

個々のスキル品質を評価する「アトミック品質プローブ」と「ハイブリッドセレクター」により、再検証コストを大幅に削減しつつ高精度なスキル更新が可能になります。

🔮これからどうなる

ロボットシステムの継続的な改善が容易になり、より安全で信頼性の高い自律ロボットの展開が加速するでしょう。

既存の複合スキル学習方法は、スキルライブラリが固定されていると仮定していましたが、本研究ではスキルが更新された際の複合スキルの挙動変化を分析しました。
特に、ある特定のスキルが全体の成功率に大きく影響する「支配的スキル効果」を発見しました。
提案されたアトミック品質プローブは、個々のスキル更新の品質を低コストで評価し、ハイブリッドセレクターは選択的に複合スキルを再検証することで、完全な再検証に匹敵する精度を低コストで実現します。
arXiv cs.AI ★4 ロボット EN

適応型オフライン安全強化学習のための分離型ガイダンス拡散

要約を読む要約を閉じる
📰ニュース

オフライン安全強化学習において、拡散モデルを用いた新しい手法「SDGD」が開発されました。

🔍注目ポイント

SDGDは、コスト制限と報酬最適化を分離して扱い、安全性を確保しつつ高報酬を達成する点が画期的です。

🔮これからどうなる

ロボット制御や自動運転など、安全性と性能の両立が求められるAIシステムの実用化を加速するでしょう。

従来の拡散モデルは、報酬と安全制約を競合する目的として扱っていましたが、SDGDはコスト制限を条件付けたサンプリングと報酬勾配ガイダンスを組み合わせます。
さらに、報酬がコストを増加させるのを防ぐ「Feasible Trajectory Relabeling (FTR)」を導入し、安全性を高めています。
DSRLベンチマークで高い安全性と報酬を達成しました。
TechCrunch AI ★4 ロボット EN

コースラ支援のロボティクススタートアップGenesis AIがフルスタック化、デモを公開

要約を読む要約を閉じる
📰ニュース

ロボティクスAIのGenesis AIが、基盤モデル「GENE-26.5」と複雑なタスクを実行するロボットハンドのデモを公開しました。

🔍注目ポイント

同社は基盤AIだけでなく、ロボットハードウェアとソフトウェアを統合したフルスタックソリューションを提供します。

🔮これからどうなる

これにより、製造業や物流など様々な分野で、より高度で汎用的なロボットの導入が加速する可能性があります。

Genesis AIは、ロボティクス向け基盤AI構築のため1億500万ドルのシードラウンドを調達したスタートアップです。
今回公開されたデモは、単なるAIモデルだけでなく、実際にロボットが複雑な作業をこなす様子を示しており、AIとハードウェアの統合が強調されています。
Bloomberg Tech ★4 ロボット EN

現代自動車のロボットが逆立ちや複雑な体操を披露

要約を読む要約を閉じる
📰ニュース

現代自動車のロボット部門が、人型ロボット「Atlas」が複雑な体操や逆立ちを披露する動画を公開しました。

🔍注目ポイント

生産準備段階のAtlasが、これまでにない高度な体操動作をライブデモンストレーションで実現しました。

🔮これからどうなる

人型ロボットの商用化が近づき、危険な作業や人手不足の現場での活用が期待されます。

この動画は、Atlasが逆立ちや複雑な体操をこなす様子を捉えており、ロボットの運動能力が飛躍的に向上していることを示しています。
現代自動車はボストン・ダイナミクスを買収しており、その技術がAtlasに活かされていると考えられます。
今回のデモンストレーションは、ロボットが実用段階に近づいていることを示唆しています。
The Verge AI ★3 ロボット EN

ルンバ開発者が毛皮のロボットコンパニオンで再登場

要約を読む要約を閉じる
📰ニュース

ルンバの生みの親であるコリン・アングル氏が、新しいロボットコンパニオンを開発しました。

🔍注目ポイント

このロボットは掃除ではなく、感情的なつながりを重視したコンパニオンとして設計されています。

🔮これからどうなる

家庭に新たな形のロボットが普及し、人々の生活に癒しや安らぎをもたらす可能性があります。

コリン・アングル氏の新会社「Familiar Machines & Magic」が開発した最初のロボットは、犬サイズの毛皮のペット型ロボットです。
ルンバで5000万台の家庭用ロボットを普及させた実績を持つアングル氏が、今度はコンパニオンロボット市場に参入します。