論文の概要: Robot guide with multi-agent control and automatic scenario generation with LLM
- arxiv url: http://arxiv.org/abs/2509.10317v1
- Date: Fri, 12 Sep 2025 14:59:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:08.134803
- Title: Robot guide with multi-agent control and automatic scenario generation with LLM
- Title（参考訳）: マルチエージェント制御によるロボットガイドとLCMによるシナリオ自動生成
- Authors: Elizaveta D. Moskovskaya, Anton D. Moscowsky,
- Abstract要約: 本研究は人為的なツアーガイドロボットのためのハイブリッド制御アーキテクチャの開発について述べる。
提案手法は,動作シナリオの手動チューニングに依存する従来のシステムの制約を克服することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The work describes the development of a hybrid control architecture for an anthropomorphic tour guide robot, combining a multi-agent resource management system with automatic behavior scenario generation based on large language models. The proposed approach aims to overcome the limitations of traditional systems, which rely on manual tuning of behavior scenarios. These limitations include manual configuration, low flexibility, and lack of naturalness in robot behavior. The process of preparing tour scenarios is implemented through a two-stage generation: first, a stylized narrative is created, then non-verbal action tags are integrated into the text. The multi-agent system ensures coordination and conflict resolution during the execution of parallel actions, as well as maintaining default behavior after the completion of main operations, contributing to more natural robot behavior. The results obtained from the trial demonstrate the potential of the proposed approach for automating and scaling social robot control systems.
- Abstract（参考訳）: 本研究は,多エージェント資源管理システムと大規模言語モデルに基づく自動行動シナリオ生成を組み合わせた,人間型ツアーガイドロボットのハイブリッド制御アーキテクチャの開発について述べる。
提案手法は,動作シナリオの手動チューニングに依存する従来のシステムの制約を克服することを目的としている。
これらの制限には、手動構成、柔軟性の低さ、ロボット動作の自然さの欠如が含まれる。
ツアーシナリオを作成するプロセスは、まず、スタイリングされた物語を作成し、次に非言語アクションタグをテキストに統合する、2段階の世代によって実装される。
マルチエージェントシステムは、並列アクションの実行中の調整とコンフリクトの解決を保証し、メイン操作が完了した後のデフォルト動作を維持し、より自然なロボット動作に寄与する。
実験から得られた結果は,社会ロボット制御システムの自動化とスケーリングに向けた提案手法の可能性を示すものである。
関連論文リスト
- ALRM: Agentic LLM for Robotic Manipulation [3.7473235317736058]
大規模言語モデル(LLM)は最近、高度な推論と計画能力を示すためにエージェントフレームワークに権限を与えた。
大規模言語モデル(LLM)は最近、高度な推論と計画能力を示すためにエージェントフレームワークに権限を与えた。
論文 参考訳（メタデータ） (2026-01-27T11:54:14Z) - Bridging Embodiment Gaps: Deploying Vision-Language-Action Models on Soft Robots [5.993870098970107]
VLA(Vision-Language-Action)モデルは、実際のロボットのための言語ガイド付き汎用制御フレームワークとして提案されている。
本稿では,VLAモデルのソフト連続マニピュレータへの展開について述べる。
論文 参考訳（メタデータ） (2025-10-20T10:06:39Z) - FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation [50.39748673817223]
本稿では,ロボットビデオ生成における明示的な動作パラメータを完全に活用する2つのトレーニング不要な推論時間手法を提案する。
第一に、アクションスケールの分類器フリーガイダンスは、動作の大きさに比例して誘導強度を動的に調整し、運動強度に対する制御性を高める。
第二に、アクションスケールノイズトランケーションは、初期サンプルノイズの分布を調整し、所望の運動力学とよりよく一致させる。
論文 参考訳（メタデータ） (2025-09-29T03:30:40Z) - GenSwarm: Scalable Multi-Robot Code-Policy Generation and Deployment via Language Models [17.522946748641324]
GenSwarmは、自然言語のシンプルなユーザ命令に基づいて、マルチロボットタスクの制御ポリシーを生成し、デプロイするエンドツーエンドシステムである。
マルチ言語エージェントシステムとして、GenSwarmはゼロショット学習を実現し、変更や未確認タスクへの迅速な適応を可能にする。
論文 参考訳（メタデータ） (2025-03-31T09:26:34Z) - EMOS: Embodiment-aware Heterogeneous Multi-robot Operating System with LLM Agents [33.77674812074215]
異種ロボット間の効果的な協調を実現するための新しいマルチエージェントフレームワークを提案する。
エージェントがロボットURDFファイルを理解し、ロボットキネマティクスツールを呼び出し、その物理能力の記述を生成する。
Habitat-MASベンチマークは、マルチエージェントフレームワークがエンボディメント認識推論を必要とするタスクをどのように処理するかを評価するように設計されている。
論文 参考訳（メタデータ） (2024-10-30T03:20:01Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - A Roadmap Towards Automated and Regulated Robotic Systems [4.6015001632772545]
我々は、AIの非規制生成プロセスが低レベルのタスクに適合していると主張している。
完全自動化・制御されたロボットシステムを実現するためのロードマップを提案する。
論文 参考訳（メタデータ） (2024-03-21T00:14:53Z) - 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) - 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) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳（メタデータ） (2023-11-02T14:32:16Z) - Manipulation of Articulated Objects using Dual-arm Robots via Answer Set
Programming [10.316694915810947]
調音物体の操作はロボティクスにおいて最も重要なものであり、最も複雑な操作の1つと見なすことができる。
従来、この問題は、柔軟性と移植性に欠けるアドホックなアプローチによって対処されてきた。
本稿では,ロボット制御アーキテクチャにおける調音オブジェクトの自動操作のための解答セットプログラミング(ASP)に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-02T18:50:39Z)
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。