論文の概要: Towards a Causal Probabilistic Framework for Prediction, Action-Selection & Explanations for Robot Block-Stacking Tasks

• arxiv url: http://arxiv.org/abs/2308.06203v1
• Date: Fri, 11 Aug 2023 15:58:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 13:36:54.098876
• Title: Towards a Causal Probabilistic Framework for Prediction, Action-Selection & Explanations for Robot Block-Stacking Tasks
• Title（参考訳）: ロボットブロック構築作業の予測・行動選択・説明のための因果確率的枠組みを目指して
• Authors: Ricardo Cannizzaro, Jonathan Routley, and Lars Kunze
• Abstract要約: 因果モデル(英: Causal model)は、ロボットの環境との相互作用を管理する因果関係の形式的知識を符号化する原則的な枠組みを提供する。 本研究では,物理シミュレーション機能を構造因果モデルに組み込むことで,ロボットがブロックスタッキングタスクの現況を認識・評価できる新しい因果確率的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 4.503368323711748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncertainties in the real world mean that is impossible for system designers to anticipate and explicitly design for all scenarios that a robot might encounter. Thus, robots designed like this are fragile and fail outside of highly-controlled environments. Causal models provide a principled framework to encode formal knowledge of the causal relationships that govern the robot's interaction with its environment, in addition to probabilistic representations of noise and uncertainty typically encountered by real-world robots. Combined with causal inference, these models permit an autonomous agent to understand, reason about, and explain its environment. In this work, we focus on the problem of a robot block-stacking task due to the fundamental perception and manipulation capabilities it demonstrates, required by many applications including warehouse logistics and domestic human support robotics. We propose a novel causal probabilistic framework to embed a physics simulation capability into a structural causal model to permit robots to perceive and assess the current state of a block-stacking task, reason about the next-best action from placement candidates, and generate post-hoc counterfactual explanations. We provide exemplar next-best action selection results and outline planned experimentation in simulated and real-world robot block-stacking tasks.
• Abstract（参考訳）: 現実世界の不確実性は、システム設計者がロボットが遭遇する可能性のあるすべてのシナリオを予想し、明示的に設計することは不可能であることを意味する。 このように設計されたロボットは脆弱で、高度に制御された環境の外で失敗する。 因果モデル(英: Causal model)は、ロボットと環境との相互作用を管理する因果関係の形式的知識を符号化するための原則的枠組みを提供する。 因果推論と組み合わせることで、これらのモデルは自律エージェントがその環境を理解し、推論し、説明することができる。 本研究では,倉庫のロジスティクスや家庭内人力支援ロボットなど,多くのアプリケーションで要求される基本的な認識と操作能力から,ロボットのブロック積み上げ作業の課題に焦点をあてる。 本研究では,物理シミュレーション機能を構造因果モデルに組み込むことで,ロボットがブロックスタッキングタスクの現況を認識・評価し,配置候補から次の最善動作を推論し,ポストホックな反事実的説明を生成する,新たな因果確率的枠組みを提案する。 シミュレーションおよび実世界のロボットブロックスタッキングタスクにおいて,実証的な次善行動選択結果を提供し,計画実験の概要を示す。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Towards Probabilistic Planning of Explanations for Robot Navigation [2.6196780831364643]
  本稿では,ユーザ中心の設計原則をロボット経路計画プロセスのコアに直接組み込む新しいアプローチを提案する。 本稿では,ロボットナビゲーションにおける説明の自動計画のための確率的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-26T09:52:14Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• A Causal Bayesian Network and Probabilistic Programming Based Reasoning Framework for Robot Manipulation Under Uncertainty [4.087774077861305]
  本稿では,ロボットのための柔軟で汎用的な物理インフォームド型因果ベイズネットワーク(CBN)ベースのフレームワークを提案する。 1)高い精度で操作結果を予測する(Pred Acc: 88.6%)、(2)94.2%のタスク成功率でグリージーな次善行動選択を行う、というフレームワークの能力を示す。
  論文  参考訳（メタデータ） (2024-03-21T15:36:26Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
  汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。 コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。 ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
  論文  参考訳（メタデータ） (2023-12-14T10:02:55Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• DeepSym: Deep Symbol Generation and Rule Learning from Unsupervised Continuous Robot Interaction for Planning [1.3854111346209868]
  ロボットアームハンドシステムは、プッシュとスタックアクションから「ロータブル」、「インサータブル」、「ラーガー・サン」と解釈できるシンボルを学習する。 本システムは,ロボットアームハンドシステムにおいて,その動作から「回転可能」,「不可能」,「大きい」と解釈可能なシンボルを学習する物理に基づく3次元シミュレーション環境で検証する。
  論文  参考訳（メタデータ） (2020-12-04T11:26:06Z)
• Designing Environments Conducive to Interpretable Robot Behavior [35.95540723324049]
  本研究では,解釈可能な行動のタイプを促進するためのツールとして,環境設計の機会と限界について検討する。 複数のタスクにまたがって設計を1時間にわたって検討する新しい環境設計フレームワークを定式化する。
  論文  参考訳（メタデータ） (2020-07-02T00:50:10Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)
• Autonomous Planning Based on Spatial Concepts to Tidy Up Home Environments with Service Robots [5.739787445246959]
  本研究では,確率的生成モデルのパラメータを学習することにより,対象物の順序や位置を効率的に推定できる新しい計画法を提案する。 このモデルにより、ロボットは、Tidied環境で収集されたマルチモーダルセンサ情報を用いて、オブジェクトと場所の共起確率の分布を学習することができる。 我々は,世界ロボットサミット2018国際ロボティクスコンペティションのTidy Up Hereタスクの条件を再現する実験シミュレーションにより,提案手法の有効性を評価する。
  論文  参考訳（メタデータ） (2020-02-10T11:49:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。