論文の概要: Autonomous Embodied Agents: When Robotics Meets Deep Learning Reasoning
- arxiv url: http://arxiv.org/abs/2505.00935v1
- Date: Fri, 02 May 2025 00:43:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-05 17:21:19.875016
- Title: Autonomous Embodied Agents: When Robotics Meets Deep Learning Reasoning
- Title(参考訳): 自律的な体操エージェント:ロボットがディープラーニングの推論に出会ったとき
- Authors: Roberto Bigazzi,
- Abstract要約: この論文は、室内環境におけるエンボディ化剤の完全な生成プロセスに続くものである。
我々は、この分野での今後の研究を促進するために、エンボディードAIと自律エージェントの研究に貢献することを目指している。
- 参考スコア(独自算出の注目度): 0.9790236766474201
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The increase in available computing power and the Deep Learning revolution have allowed the exploration of new topics and frontiers in Artificial Intelligence research. A new field called Embodied Artificial Intelligence, which places at the intersection of Computer Vision, Robotics, and Decision Making, has been gaining importance during the last few years, as it aims to foster the development of smart autonomous robots and their deployment in society. The recent availability of large collections of 3D models for photorealistic robotic simulation has allowed faster and safe training of learning-based agents for millions of frames and a careful evaluation of their behavior before deploying the models on real robotic platforms. These intelligent agents are intended to perform a certain task in a possibly unknown environment. To this end, during the training in simulation, the agents learn to perform continuous interactions with the surroundings, such as gathering information from the environment, encoding and extracting useful cues for the task, and performing actions towards the final goal; where every action of the agent influences the interactions. This dissertation follows the complete creation process of embodied agents for indoor environments, from their concept to their implementation and deployment. We aim to contribute to research in Embodied AI and autonomous agents, in order to foster future work in this field. We present a detailed analysis of the procedure behind implementing an intelligent embodied agent, comprehending a thorough description of the current state-of-the-art in literature, technical explanations of the proposed methods, and accurate experimental studies on relevant robotic tasks.
- Abstract(参考訳): 利用可能なコンピューティングパワーの増加とディープラーニング革命により、人工知能研究における新たなトピックとフロンティアの探索が可能になった。
コンピュータービジョン、ロボティクス、意思決定の交差点に位置するEmbodied Artificial Intelligenceと呼ばれる新しい分野は、スマート自律ロボットの開発と社会への展開を促進することを目的として、ここ数年で重要になっている。
最近、フォトリアリスティックなロボットシミュレーションのための大量の3Dモデルが利用可能になったことで、学習ベースのエージェントを数百万フレームで高速かつ安全にトレーニングすることができ、実際のロボットプラットフォームにモデルをデプロイする前に、その振る舞いを慎重に評価できるようになった。
これらのインテリジェントエージェントは、おそらく未知の環境で特定のタスクを実行することを意図している。
この目的のために、シミュレーションのトレーニングの間、エージェントは環境から情報を集め、タスクに有用なキューをエンコードして抽出し、最終目標に向けてアクションを実行するなど、環境との継続的な相互作用を学習する。
この論文は、そのコンセプトから実装や展開に至るまで、屋内環境のためのエンボディエージェントの完全な作成プロセスに従っている。
我々は、この分野での今後の研究を促進するために、エンボディードAIと自律エージェントの研究に貢献することを目指している。
本稿では, インテリジェントエンボディエージェントの実装の背景となる手順の詳細な分析, 文献における現状の詳細な説明, 提案手法の技術的説明, 関連するロボット作業に関する正確な実験研究について述べる。
関連論文リスト
- A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳(メタデータ) (2025-07-28T17:59:05Z) - Embodied AI Agents: Modeling the World [188.85697524284834]
本稿では,視覚的,仮想的,物理的形態を具現化したAIエージェントの研究について述べる。
我々は,世界モデルの開発が,具体的AIエージェントの推論と計画の中心であることを提案する。
また,より優れた人間とエージェントのコラボレーションを実現するために,ユーザのメンタルワールドモデルを学ぶことを提案する。
論文 参考訳(メタデータ) (2025-06-27T16:05:34Z) - Multi-agent Embodied AI: Advances and Future Directions [46.23631919950584]
エンボディード人工知能(Embodied AI)は、インテリジェントな時代における先進技術の適用において重要な役割を担っている。
本稿では,研究の現状を概観し,重要な貢献を分析し,課題と今後の方向性を明らかにする。
論文 参考訳(メタデータ) (2025-05-08T10:13:53Z) - Reasoning in visual navigation of end-to-end trained agents: a dynamical systems approach [23.52028824411467]
本研究では,物理ロボットを用いた実環境におけるヌンペプソデスのナビゲーションエピソードに関する大規模実験を行った。
エンドツーエンドのトレーニングから生じる推論のタイプを分析します。
本稿では,エージェントが学習した値関数が長期計画に関連があることをポストホック分析で示す。
論文 参考訳(メタデータ) (2025-03-11T11:16:47Z) - A Survey of Embodied Learning for Object-Centric Robotic Manipulation [27.569063968870868]
オブジェクト中心のロボット操作のための身体学習は、AIの急速に発展し、挑戦的な分野である。
データ駆動機械学習とは異なり、具体化学習は環境との物理的相互作用を通じてロボット学習に焦点を当てる。
論文 参考訳(メタデータ) (2024-08-21T11:32:09Z) - Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である
MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。
本調査では,Embodied AIの最近の進歩を包括的に調査する。
論文 参考訳(メタデータ) (2024-07-09T14:14:47Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - A Survey on Robotics with Foundation Models: toward Embodied AI [30.999414445286757]
近年のコンピュータビジョン,自然言語処理,マルチモーダリティ学習の進歩は,基礎モデルが特定のタスクに対して超人的能力を持つことを示している。
この調査は、ロボット工学の基礎モデルの包括的で最新の概要を提供し、自律的な操作に焦点を当て、高レベルの計画と低レベルの制御を包含することを目的としている。
論文 参考訳(メタデータ) (2024-02-04T07:55:01Z) - RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳(メタデータ) (2023-11-02T17:59:21Z) - From SLAM to Situational Awareness: Challenges and Survey [0.0]
複雑なミッションを効率的に安全に遂行する移動ロボットの能力は、環境に関する知識によって制限される。
高度な推論、意思決定、実行スキルにより、知的エージェントは未知の環境で自律的に行動することができる。
本稿では,現状のロボット工学アルゴリズムを網羅し,状況認識の諸側面について考察する。
論文 参考訳(メタデータ) (2021-10-01T09:00:34Z) - 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)
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。