Fugu-MT 論文翻訳(概要): Online automatic code generation for robot swarms: LLMs and self-organizing hierarchy

論文の概要: Online automatic code generation for robot swarms: LLMs and self-organizing hierarchy

arxiv url: http://arxiv.org/abs/2510.04774v1
Date: Mon, 06 Oct 2025 12:49:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-07 16:52:59.866941
Title: Online automatic code generation for robot swarms: LLMs and self-organizing hierarchy
Title（参考訳）: ロボット群のためのオンライン自動コード生成:LLMと自己組織化階層
Authors: Weixu Zhu, Marco Dorigo, Mary Katherine Heinrich,
Abstract要約: ロボットSwarmが停止すると、外部のLCMが生成したコードを自動でソーシングして実行し、ミッションを85%の成功率で完了させることが示される。最近導入した自律神経系(SoNS)は,1)行動設計が容易なロボット群と,2)群構成とその集合環境のグローバルな評価を提供する。 6台の本物のロボットと30台以上のロボットによるシミュレーション実験では、SONSが強化したロボット群が立ち往生すると、外部のLCMが生成したコードを自動でソーシングして実行し、ミッションを成功率85%で完了させることが示されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Our recently introduced self-organizing nervous system (SoNS) provides robot swarms with 1) ease of behavior design and 2) global estimation of the swarm configuration and its collective environment, facilitating the implementation of online automatic code generation for robot swarms. In a demonstration with 6 real robots and simulation trials with >30 robots, we show that when a SoNS-enhanced robot swarm gets stuck, it can automatically solicit and run code generated by an external LLM on the fly, completing its mission with an 85% success rate.
Abstract（参考訳）: 私たちが最近導入した自己組織化神経系(SoNS)はロボット群を提供する 1【行動設計の容易さ】 2) ロボット群に対するオンライン自動コード生成の実装を容易にするため,Swarm構成とその集合環境のグローバルな評価を行った。 6台の本物のロボットと30台以上のロボットによるシミュレーション実験では、SONSが強化したロボット群が立ち往生すると、外部のLCMが生成したコードを自動でソーシングして実行し、ミッションを成功率85%で完了させることが示されている。

関連論文リスト

GR00T N1: An Open Foundation Model for Generalist Humanoid Robots [133.23509142762356]
汎用ロボットには多目的体と知的な心が必要だ。近年のヒューマノイドロボットの進歩は、汎用的な自律性を構築するためのハードウェアプラットフォームとして大きな可能性を秘めている。我々はヒューマノイドロボットのオープン基盤モデルであるGR00T N1を紹介する。
論文参考訳（メタデータ） (2025-03-18T21:06:21Z)
Generalizable Humanoid Manipulation with 3D Diffusion Policies [66.78220965526732]
我々は、ヒューマノイドロボットによる自律的な操作の問題を解決するために、現実世界のロボットシステムを構築している。本システムは主に,人型ロボットデータを取得するための全身ロボット遠隔操作システムと,高さ調整可能なカートと3D LiDARセンサを備えた25-DoFヒューマノイドロボットプラットフォームの統合である。 1つのシーンで収集されたデータのみを使用し、オンボードコンピューティングのみで、フルサイズのヒューマノイドロボットが様々な現実世界のシナリオで自律的にスキルを発揮できることが示される。
論文参考訳（メタデータ） (2024-10-14T17:59:00Z)
Physical Simulation for Multi-agent Multi-machine Tending [11.017120167486448]
強化学習(RL)は,ロボットが環境とのインタラクションを通じて学習できる,有望なソリューションを提供する。我々は、シンプルなロボットシステムを活用して、製造環境で大きな高価なロボットをデプロイすることなく、RLと“リアル”なデータで作業しました。
論文参考訳（メタデータ） (2024-10-11T17:57:44Z)
Know your limits! Optimize the robot's behavior through self-awareness [11.021217430606042]
最近の人間ロボット模倣アルゴリズムは、高精度な人間の動きを追従することに焦点を当てている。本稿では,ロボットが参照を模倣する際の動作を予測できるディープラーニングモデルを提案する。我々のSAW(Self-AWare Model)は、転倒確率、基準運動への固執、滑らかさといった様々な基準に基づいて、潜在的なロボットの挙動をランク付けする。
論文参考訳（メタデータ） (2024-09-16T14:14:58Z)
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)
Decentralised construction of a global coordinate system in a large swarm of minimalistic robots [0.8701566919381223]
本研究では,最小主義的エラー発生ロボット群における位置自己認識を可能にするアルゴリズムを提案する。受信メッセージのベアリングを計測できないにもかかわらず、アルゴリズムを実行しているロボットは、定期的に配置されたSwarm内の位置を計算することができる。我々のソリューションは最先端のアルゴリズムよりも少ない要件を持ち、総合的なノイズフィルタリング機構を含んでいる。
論文参考訳（メタデータ） (2023-02-28T14:14:17Z)
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)
REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文参考訳（メタデータ） (2022-02-10T18:50:25Z)
Know Thyself: Transferable Visuomotor Control Through Robot-Awareness [22.405839096833937]
新しいロボットをスクラッチからトレーニングするためには、通常大量のロボット固有のデータを生成する必要がある。簡単なロボット「自己認識」を活用する「ロボット認識」ソリューションパラダイムを提案する。シミュレーションおよび実際のロボットにおけるテーブルトップ操作に関する実験により、これらのプラグインの改善により、ビジュモータコントローラの転送性が劇的に向上することを示した。
論文参考訳（メタデータ） (2021-07-19T17:56:04Z)

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。