論文の概要: RoboPilot: Generalizable Dynamic Robotic Manipulation with Dual-thinking Modes

• arxiv url: http://arxiv.org/abs/2510.00154v1
• Date: Tue, 30 Sep 2025 18:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.195659
• Title: RoboPilot: Generalizable Dynamic Robotic Manipulation with Dual-thinking Modes
• Title（参考訳）: RoboPilot:デュアル思考モードによる汎用型動的ロボットマニピュレーション
• Authors: Xinyi Liu, Mohammadreza Fani Sani, Zewei Zhou, Julius Wirbel, Bahram Zarrin, Roberto Galeazzi,
• Abstract要約: ロボット操作のための2つのクローズドループフレームワークであるRoboPilotを紹介する。 RoboPilotは、現実世界の動的環境における複雑なタスクに対する適応推論をサポートする。 我々はRoboPilotがタスク成功率の25.9%で最先端のベースラインを上回っていることを示す。
• 参考スコア（独自算出の注目度）: 5.47460315248808
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Despite rapid progress in autonomous robotics, executing complex or long-horizon tasks remains a fundamental challenge. Most current approaches follow an open-loop paradigm with limited reasoning and no feedback, resulting in poor robustness to environmental changes and severe error accumulation. We present RoboPilot, a dual-thinking closed-loop framework for robotic manipulation that supports adaptive reasoning for complex tasks in real-world dynamic environments. RoboPilot leverages primitive actions for structured task planning and flexible action generation, while introducing feedback to enable replanning from dynamic changes and execution errors. Chain-of-Thought reasoning further enhances high-level task planning and guides low-level action generation. The system dynamically switches between fast and slow thinking to balance efficiency and accuracy. To systematically evaluate the robustness of RoboPilot in diverse robot manipulation scenarios, we introduce RoboPilot-Bench, a benchmark spanning 21 tasks across 10 categories, including infeasible-task recognition and failure recovery. Experiments show that RoboPilot outperforms state-of-the-art baselines by 25.9\% in task success rate, and the real-world deployment on an industrial robot further demonstrates its robustness in real-world settings.
• Abstract（参考訳）: 自律型ロボットの急速な進歩にもかかわらず、複雑なタスクや長距離タスクの実行は依然として根本的な課題である。 現在のほとんどのアプローチは、限られた推論とフィードバックのないオープンループパラダイムに従っており、その結果、環境の変化に対する堅牢性や重大なエラーの蓄積に乏しい。 本稿では,ロボット操作のための2つのクローズドループフレームワークであるRoboPilotについて紹介する。 RoboPilotは、構造化されたタスク計画とフレキシブルなアクション生成にプリミティブなアクションを活用し、フィードバックを導入して、動的変更や実行エラーからのリプランを可能にする。 Chain-of-Thought推論は、ハイレベルなタスク計画をさらに強化し、低レベルなアクション生成をガイドする。 システムは高速思考と遅い思考を動的に切り替え、効率と精度のバランスをとる。 多様なロボット操作シナリオにおけるRoboPilotの堅牢性を体系的に評価するために,RoboPilot-Benchを紹介した。 実験の結果、RoboPilotはタスク成功率25.9 %で最先端のベースラインを上回り、産業用ロボットへの実世界の展開は実際の環境における堅牢性をさらに証明している。

関連論文リスト

• 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)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• RoboGrasp: A Universal Grasping Policy for Robust Robotic Control [8.189496387470726]
  RoboGraspは、トレーニング済みの把握検出モデルとロボット学習を統合する、普遍的な把握ポリシーフレームワークである。 把握精度、安定性、一般化性を大幅に向上させ、数ショットの学習と把握ボックスのプロンプトタスクで最大34%の成功率を達成する。
  論文  参考訳（メタデータ） (2025-02-05T11:04:41Z)
• Prognostic Framework for Robotic Manipulators Operating Under Dynamic Task Severities [0.6058427379240697]
  ロボットマニピュレータのRemaining Useful Life(RUL)を予測できる予後モデリングフレームワークを提案する。 以上の結果から,両艦隊のロボットは高重度タスクを多く扱う場合,RULが短くなることが示唆された。
  論文  参考訳（メタデータ） (2024-11-30T17:09:18Z)
• COBRA-PPM: A Causal Bayesian Reasoning Architecture Using Probabilistic Programming for Robot Manipulation Under Uncertainty [5.47019032771784]
  我々は、因果ベイズネットワークと確率的プログラミングを組み合わせた新しい因果ベイズ推論アーキテクチャであるCOBRA-PPMを導入し、不確実性の下でロボット操作の介入推論を行う。 ブロック積み重ね作業における高忠実度実験により,高い精度で操作結果を予測する(Pred Acc: 88.6%)とともに,94.2%のタスク成功率でグリージーな次善動作選択を行う。
  論文  参考訳（メタデータ） (2024-03-21T15:36:26Z)
• 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)

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。