論文の概要: INGRID: Intelligent Generative Robotic Design Using Large Language Models

• arxiv url: http://arxiv.org/abs/2509.03842v1
• Date: Thu, 04 Sep 2025 03:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.032435
• Title: INGRID: Intelligent Generative Robotic Design Using Large Language Models
• Title（参考訳）: INGRID:大規模言語モデルを用いたインテリジェントな生成ロボット設計
• Authors: Guanglu Jia, Ceng Zhang, Gregory S. Chirikjian,
• Abstract要約: INGRID(Intelligent Generative Robotic Design)は、並列ロボット機構の自動設計を可能にするフレームワークである。 設計課題を,制約解析,キネマティックジョイント生成,チェーン構築,完全機構設計という4つの段階的な課題に分解する。 INGRIDは、メカニズム理論と機械学習のギャップを埋めることで、特殊なロボット工学の訓練を受けていない研究者たちが、独自の並列メカニズムを作ることができる。
• 参考スコア（独自算出の注目度）: 5.3909333359654275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of large language models (LLMs) into robotic systems has accelerated progress in embodied artificial intelligence, yet current approaches remain constrained by existing robotic architectures, particularly serial mechanisms. This hardware dependency fundamentally limits the scope of robotic intelligence. Here, we present INGRID (Intelligent Generative Robotic Design), a framework that enables the automated design of parallel robotic mechanisms through deep integration with reciprocal screw theory and kinematic synthesis methods. We decompose the design challenge into four progressive tasks: constraint analysis, kinematic joint generation, chain construction, and complete mechanism design. INGRID demonstrates the ability to generate novel parallel mechanisms with both fixed and variable mobility, discovering kinematic configurations not previously documented in the literature. We validate our approach through three case studies demonstrating how INGRID assists users in designing task-specific parallel robots based on desired mobility requirements. By bridging the gap between mechanism theory and machine learning, INGRID enables researchers without specialized robotics training to create custom parallel mechanisms, thereby decoupling advances in robotic intelligence from hardware constraints. This work establishes a foundation for mechanism intelligence, where AI systems actively design robotic hardware, potentially transforming the development of embodied AI systems.
• Abstract（参考訳）: ロボットシステムへの大型言語モデル(LLM)の統合は、組み込み人工知能の進歩を加速させているが、現在のアプローチは既存のロボットアーキテクチャ、特にシリアルメカニズムに制約されている。 このハードウェア依存は、ロボットインテリジェンスの範囲を根本的に制限する。 本稿では、相互スクリュー理論とキネマティック合成法との深い統合により、並列ロボット機構の自動設計を可能にするフレームワークであるINGRID(Intelligent Generative Robotic Design)を提案する。 設計課題を,制約解析,キネマティックジョイント生成,チェーン構築,完全機構設計という4つの段階的な課題に分解する。 INGRIDは、固定と可変のモビリティの両方で新しい並列メカニズムを生成する能力を示し、以前に文献に記録されていない運動学的構成を発見する。 本研究は,INGRIDが要求される移動条件に基づいて,タスク固有の並列ロボットの設計にどのように役立つかを示す3つのケーススタディを通して検証する。 INGRIDは、メカニズム理論と機械学習のギャップを埋めることで、特殊なロボット工学の訓練を受けていない研究者たちが、独自の並列メカニズムを作れるようにし、ハードウェアの制約からロボット知能の進歩を分離する。 この研究は、AIシステムがロボットハードウェアを積極的に設計し、組み込まれたAIシステムの開発を変革するメカニズムインテリジェンスの基礎を確立する。

関連論文リスト

• Enabling Generic Robot Skill Implementation Using Object Oriented Programming [0.0]
  作業ロボットシステムのデプロイに要する労力を削減するソフトウェアフレームワークを提案する。 焦点は、現代のロボットシステムのさまざまなインターフェースを単純化するコンセプトを提供することにのみ焦点をあてている。 ターゲットシステムは、薬川モトマンGP4を含むビンピッキングセルである。
  論文  参考訳（メタデータ） (2025-08-14T09:53:41Z)
• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• Redefining Robot Generalization Through Interactive Intelligence [0.0]
  ロボットファンデーションモデルは、リアルタイムの人間-ロボット共適応の複雑さを扱うために、インタラクティブなマルチエージェント視点に進化する必要がある、と我々は主張する。 シングルエージェントデザインを超えて、私たちの立場は、ロボット工学の基礎モデルがより堅牢でパーソナライズされ、予想されるパフォーマンスのレベルを達成する方法を強調しています。
  論文  参考訳（メタデータ） (2025-02-09T17:13:27Z)
• Speech to Reality: On-Demand Production using Natural Language, 3D Generative AI, and Discrete Robotic Assembly [45.03625198933637]
  本稿では,3次元生成AIと離散ロボットアセンブリを用いて,音声を物理オブジェクトに変換するシステムを提案する。 このシステムは、3Dモデリングやロボットプログラミングの専門知識のない個人にとって、デザインと製造をより容易にする。
  論文  参考訳（メタデータ） (2024-09-27T02:12:56Z)
• RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
  汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。 RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。 概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
  論文  参考訳（メタデータ） (2024-02-25T15:31:43Z)
• 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)
• Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning [5.478764356647437]
  多エージェントLfDロボット学習のための新しい認知アーキテクチャを導入し、オープンでスケーラブルで拡張可能なロボットシステムの信頼性の高い展開を可能にする。 この概念化は、ロボットプラットフォームのネットワークの端ノードで動作する複数のAI駆動の認知プロセスを採用することに依存している。 提案フレームワークの適用性は,実世界の産業ケーススタディの例を用いて説明できる。
  論文  参考訳（メタデータ） (2020-12-15T09:49:22Z)
• A Development Cycle for Automated Self-Exploration of Robot Behaviors [4.449139319395159]
  Q-Rockは、自動的な自己探索とロボットの振る舞いの資格のための開発サイクルである。 Q-Rockは、ロボットシステムの設計における複雑さの増加に対応するために、いくつかの機械学習と推論技術を組み合わせている。
  論文  参考訳（メタデータ） (2020-07-29T16:01:52Z)

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。