Fugu-MT 論文翻訳(概要): Ark: An Open-source Python-based Framework for Robot Learning

論文の概要: Ark: An Open-source Python-based Framework for Robot Learning

arxiv url: http://arxiv.org/abs/2506.21628v1
Date: Tue, 24 Jun 2025 20:23:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-30 21:12:22.942088
Title: Ark: An Open-source Python-based Framework for Robot Learning
Title（参考訳）: Ark: ロボット学習のためのオープンソースのPythonベースのフレームワーク
Authors: Magnus Dierking, Christopher E. Mower, Sarthak Das, Huang Helong, Jiacheng Qiu, Cody Reading, Wei Chen, Huidong Liang, Huang Guowei, Jan Peters, Quan Xingyue, Jun Wang, Haitham Bou-Ammar,
Abstract要約: ARKは、そのギャップを埋めるために設計された、オープンソースのPythonファーストのロボティクスフレームワークである。 ARKは、ユーザがデータを収集し、前処理し、ポリシーをトレーニングできる、Gymスタイルの環境インターフェースを提供する。 ARKには、コントロール、SLAM、モーションプランニング、システム識別、可視化のための再利用可能なモジュールが付属している。
参考スコア（独自算出の注目度）: 20.131425969692256
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Robotics has made remarkable hardware strides-from DARPA's Urban and Robotics Challenges to the first humanoid-robot kickboxing tournament-yet commercial autonomy still lags behind progress in machine learning. A major bottleneck is software: current robot stacks demand steep learning curves, low-level C/C++ expertise, fragmented tooling, and intricate hardware integration, in stark contrast to the Python-centric, well-documented ecosystems that propelled modern AI. We introduce ARK, an open-source, Python-first robotics framework designed to close that gap. ARK presents a Gym-style environment interface that allows users to collect data, preprocess it, and train policies using state-of-the-art imitation-learning algorithms (e.g., ACT, Diffusion Policy) while seamlessly toggling between high-fidelity simulation and physical robots. A lightweight client-server architecture provides networked publisher-subscriber communication, and optional C/C++ bindings ensure real-time performance when needed. ARK ships with reusable modules for control, SLAM, motion planning, system identification, and visualization, along with native ROS interoperability. Comprehensive documentation and case studies-from manipulation to mobile navigation-demonstrate rapid prototyping, effortless hardware swapping, and end-to-end pipelines that rival the convenience of mainstream machine-learning workflows. By unifying robotics and AI practices under a common Python umbrella, ARK lowers entry barriers and accelerates research and commercial deployment of autonomous robots.
Abstract（参考訳）: DARPA(DARPA)のUrban and Robotics Challenges(アーバン・アンド・ロボティクス・チャレンジ)からヒューマノイドロボットのキックボクシングトーナメントまで、ロボティクスのハードウェアは目覚ましい進歩を遂げました。現在のロボットスタックは、急な学習曲線、低レベルのC/C++専門知識、断片化されたツール、複雑なハードウェア統合を必要とする。私たちは、そのギャップを埋めるために設計された、オープンソースのPythonファーストのロボティクスフレームワークであるARKを紹介します。 ARKはGymスタイルの環境インターフェースを提供しており、ユーザーは最先端の模倣学習アルゴリズム(ACT、拡散ポリシーなど)を使ってデータを収集し、前処理し、ポリシーを訓練することができる。軽量なクライアントサーバアーキテクチャは、ネットワーク化されたパブリッシャ/サブスクライバ通信を提供し、オプションのC/C++バインディングは、必要に応じてリアルタイムのパフォーマンスを保証する。 ARKには、コントロール、SLAM、モーションプランニング、システム識別、可視化のための再利用可能なモジュールと、ネイティブなROS相互運用性が付属している。汎用的なドキュメントとケーススタディ – 操作からモバイルナビゲーションのデモ,迅速なプロトタイピング,ハードウエアスワップ,エンドツーエンドパイプラインに至るまで – は,メインストリームのマシンラーニングワークフローの利便性に匹敵するものだ。一般的なPythonの傘の下でロボットとAIのプラクティスを統一することにより、ARKはエントリバリアを低くし、自律ロボットの研究と商用展開を加速する。

関連論文リスト

CyberCortex.AI: An AI-based Operating System for Autonomous Robotics and Complex Automation [0.0]
我々は、異種AIベースのロボティクスと複雑な自動化アプリケーションを実現するために設計されたロボットOSであるCyberCortex AIを紹介する。 CyberCortex AIは、分散化された分散OSで、ロボットが互いに通信し、クラウドの高性能コンピュータと通信することを可能にする。ロボットのセンサーと制御データは、その後ロボットにデプロイされるAIアルゴリズムのトレーニングを目的として、HPCシステムに向けてストリームされる。
論文参考訳（メタデータ） (2024-09-02T13:14:50Z)
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)
LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [80.86089324742024]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2024-01-10T00:08:00Z)
ROS-PyBullet Interface: A Framework for Reliable Contact Simulation and Human-Robot Interaction [17.093672006793984]
信頼性の高いコンタクト/インパクトシミュレータPyBulletとロボットオペレーティングシステム(ROS)のブリッジを提供するフレームワークであるROS-PyBullet Interfaceを提案する。さらに,シミュレーション環境でのヒューマン・ロボット・インタラクション(HRI)を促進するために,新たなユーティリティを提供する。
論文参考訳（メタデータ） (2022-10-13T10:31:36Z)
Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
論文参考訳（メタデータ） (2022-06-29T01:23:57Z)
Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文参考訳（メタデータ） (2022-03-31T23:08:20Z)
OpenDR: An Open Toolkit for Enabling High Performance, Low Footprint Deep Learning for Robotics [0.0]
ロボットのためのオープンディープラーニングツールキット(OpenDR)について紹介する。 OpenDRは、ロボット企業や研究機関が容易に利用できるオープンで、非プロプライエタリで、効率的で、モジュール化されたツールキットの開発を目指している。
論文参考訳（メタデータ） (2022-03-01T12:59:59Z)
A Framework for Learning Predator-prey Agents from Simulation to Real World [0.0]
本研究では,シミュレーションから実世界への展開が可能な進化型捕食ロボットシステムを提案する。捕食者と獲物は共に、期待される行動を学ぶために、NeuroEvolution of Augmenting Topologies (NEAT)によって進化する。ユーザの利便性のために、シミュレートされた実世界のソースコードとビデオがGithubで公開されている。
論文参考訳（メタデータ） (2020-10-29T17:33:38Z)

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。