論文の概要: NOIR 2.0: Neural Signal Operated Intelligent Robots for Everyday Activities
- arxiv url: http://arxiv.org/abs/2511.20848v1
- Date: Tue, 25 Nov 2025 20:56:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:58.85791
- Title: NOIR 2.0: Neural Signal Operated Intelligent Robots for Everyday Activities
- Title（参考訳）: NOIR 2.0: 神経信号操作のインテリジェントロボット
- Authors: Tasha Kim, Yingke Wang, Hanvit Cho, Alex Hodges,
- Abstract要約: NOIRは汎用的な脳ロボットインタフェースで、人間が脳信号を使って日常のタスクのためにロボットを制御できる。
我々はNOIR 2.0の強化版であるNOIR 2.0を提案する。NOIR 2.0はより高速で高精度な脳復号アルゴリズムを備えており、タスク完了時間を46%短縮する。
- 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: Neural Signal Operated Intelligent Robots (NOIR) system is a versatile brain-robot interface that allows humans to control robots for daily tasks using their brain signals. This interface utilizes electroencephalography (EEG) to translate human intentions regarding specific objects and desired actions directly into commands that robots can execute. We present NOIR 2.0, an enhanced version of NOIR. NOIR 2.0 includes faster and more accurate brain decoding algorithms, which reduce task completion time by 46%. NOIR 2.0 uses few-shot robot learning algorithms to adapt to individual users and predict their intentions. The new learning algorithms leverage foundation models for more sample-efficient learning and adaptation (15 demos vs. a single demo), significantly reducing overall human time by 65%.
- Abstract（参考訳）: Neural Signal Operated Intelligent Robots(NOIR)システムは、人間が脳信号を使って日々のタスクのためにロボットを制御できる汎用的な脳ロボットインタフェースである。
このインタフェースは脳波学(EEG)を利用して、特定の対象に関する人間の意図や望ましい行動を直接ロボットが実行可能なコマンドに変換する。
NOIR 2.0はNOIRの拡張版である。
NOIR 2.0にはより高速で正確な脳復号アルゴリズムが含まれており、タスク完了時間を46%削減している。
NOIR 2.0は、個々のユーザに適応し、意図を予測するために、少数ショットのロボット学習アルゴリズムを使用する。
新しい学習アルゴリズムは、よりサンプル効率のよい学習と適応のための基礎モデル(15のデモと1のデモ)を活用する。
関連論文リスト
- Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。
AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
論文 参考訳（メタデータ） (2025-11-20T18:59:02Z) - EgoZero: Robot Learning from Smart Glasses [54.6168258133554]
EgoZeroはProject Ariaスマートグラスで捉えた人間のデモから堅牢な操作ポリシーを学ぶ。
EgoZeroのポリシーをFranka Pandaロボットにデプロイし、7つの操作タスクに対して70%の成功率でゼロショット転送を実演する。
この結果から,実世界におけるロボット学習のためのスケーラブルな基盤として,現在地にある人間のデータを活用できることが示唆された。
論文 参考訳（メタデータ） (2025-05-26T17:59:17Z) - 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) - HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。
その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
論文 参考訳（メタデータ） (2024-03-15T17:45:44Z) - NOIR: Neural Signal Operated Intelligent Robots for Everyday Activities [27.77304588531181]
我々は,脳信号を通じてロボットに日常的な活動を指示する汎用知能脳ロボットインタフェースシステムを提案する。
本システムでは, 日常的な生活活動に挑戦する20の取り組みに成功している。
私たちの研究は、人間がロボットと対話する方法を強化し、従来のコミュニケーションチャネルと直接的、神経的なコミュニケーションを置き換えます。
論文 参考訳（メタデータ） (2023-11-02T17:59:06Z) - Fully Spiking Neural Network for Legged Robots [6.974746966671198]
脚のあるロボットのためのスパイキングニューラルネットワーク(SNN)は、シミュレーションされた地形において例外的な性能を示す。
SNNは推論速度とエネルギー消費の自然な利点を提供する。
本研究では,他の学習モデルにシームレスに統合可能な脚付きロボットのための高効率SNNを提案する。
論文 参考訳（メタデータ） (2023-10-08T05:48:30Z) - ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。
本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。
我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文 参考訳（メタデータ） (2023-09-11T08:55:04Z) - Learning over time using a neuromorphic adaptive control algorithm for
robotic arms [0.0]
ロボットアームは操作空間を学習し、時間とともにタスクを完了できることが示される。
また、SNNに基づく適応型ロボット制御アルゴリズムは、エネルギー効率を維持しつつ、迅速な応答を可能にすることを示した。
論文 参考訳（メタデータ） (2022-10-03T21:48:33Z)
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。