論文の概要: A Comprehensive Survey on Physical Risk Control in the Era of Foundation Model-enabled Robotics

• arxiv url: http://arxiv.org/abs/2505.12583v1
• Date: Mon, 19 May 2025 00:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.324023
• Title: A Comprehensive Survey on Physical Risk Control in the Era of Foundation Model-enabled Robotics
• Title（参考訳）: ファンデーションモデル対応ロボティクス時代の身体的リスク管理に関する包括的調査
• Authors: Takeshi Kojima, Yaonan Zhu, Yusuke Iwasawa, Toshinori Kitamura, Gang Yan, Shu Morikuni, Ryosuke Takanami, Alfredo Solano, Tatsuya Matsushima, Akiko Murakami, Yutaka Matsuo,
• Abstract要約: 最近のファウンデーションモデル対応ロボティクス(FMR)は、汎用技術を大幅に改善した。 一般的な基礎モデルとは異なり、FMRは物理的な世界と相互作用し、人間の安全に直接影響する。 この調査は、身体的リスクを軽減するロボット制御アプローチを包括的にまとめたものである。
• 参考スコア（独自算出の注目度）: 26.967562494179667
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent Foundation Model-enabled robotics (FMRs) display greatly improved general-purpose skills, enabling more adaptable automation than conventional robotics. Their ability to handle diverse tasks thus creates new opportunities to replace human labor. However, unlike general foundation models, FMRs interact with the physical world, where their actions directly affect the safety of humans and surrounding objects, requiring careful deployment and control. Based on this proposition, our survey comprehensively summarizes robot control approaches to mitigate physical risks by covering all the lifespan of FMRs ranging from pre-deployment to post-accident stage. Specifically, we broadly divide the timeline into the following three phases: (1) pre-deployment phase, (2) pre-incident phase, and (3) post-incident phase. Throughout this survey, we find that there is much room to study (i) pre-incident risk mitigation strategies, (ii) research that assumes physical interaction with humans, and (iii) essential issues of foundation models themselves. We hope that this survey will be a milestone in providing a high-resolution analysis of the physical risks of FMRs and their control, contributing to the realization of a good human-robot relationship.
• Abstract（参考訳）: 最近のファウンデーションモデル対応ロボティクス(FMR)は汎用技術を大幅に改善し、従来のロボット工学よりも適応性の高い自動化を可能にしている。 多様なタスクを扱う能力は、人間の労働に取って代わる新たな機会を生み出します。 しかし、一般的な基礎モデルとは異なり、FMRは物理的な世界と相互作用し、その行動は人間や周囲の物体の安全性に直接影響を与え、慎重に配置と制御を必要とする。 本研究は, ロボット制御のアプローチを包括的に要約し, デプロイ前から事故後までのFMRの寿命を網羅し, 身体的リスクを軽減する。 具体的には,そのタイムラインを,(1)デプロイ前フェーズ,(2)前インシデントフェーズ,(3)後インシデントフェーズの3つのフェーズに大別する。 この調査を通じて、研究する余地がたくさんあることが分かりました。 一 事故前リスク軽減戦略 二 人間との身体的相互作用を仮定する研究、及び 三 基礎モデルそのものの本質的な問題 この調査は、FMRの物理的リスクとそのコントロールを高精細に分析する上でのマイルストーンとなり、優れた人間-ロボット関係の実現に寄与することを期待している。

関連論文リスト

• From Mystery to Mastery: Failure Diagnosis for Improving Manipulation Policies [35.18739716338974]
  本稿では,臨界故障モード(FM)を自動的に識別するシステムであるロボットマニピュレーション診断(RoboMD)を提案する。 事前訓練された操作ポリシーにおける潜在的なFMの膨大な空間を考慮すると、深層強化学習(deep reinforcement learning, ディープRL)を活用してこれらのFMを探索し、発見する。 非構造環境における未知障害の診断におけるRoboMDの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-03T20:34:51Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Foundation Models for Autonomous Robots in Unstructured Environments [15.517532442044962]
  この研究は、ロボットと非構造環境の2つの分野における基礎モデルの応用を体系的にレビューした。 LLMの言語能力は、人間とロボットの相互作用の知覚を改善するために、他の特徴よりも利用されてきた。 LLMの使用は、プロジェクトの管理と建設における安全性、災害管理における自然災害検出により多くの応用を実証した。
  論文  参考訳（メタデータ） (2024-07-19T13:26:52Z)
• 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)
• Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
  インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。 提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。 デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
  論文  参考訳（メタデータ） (2023-06-09T07:22:12Z)

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。