論文の概要: The Law of Task-Achieving Body Motion: Axiomatizing Success of Robot Manipulation Actions

• arxiv url: http://arxiv.org/abs/2602.06572v1
• Date: Fri, 06 Feb 2026 10:12:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.230553
• Title: The Law of Task-Achieving Body Motion: Axiomatizing Success of Robot Manipulation Actions
• Title（参考訳）: タスク達成動作の法則:ロボット操作動作の公理化
• Authors: Malte Huerkamp, Jonas Dech, Michael Beetz,
• Abstract要約: タスク達成身体運動法則は、身体運動に対する公理的正当性仕様である。 本稿では,世界国家を表わす「セマンティック・デジタル・ツインズ」を対象とするタスク環境・環境教育の授業について紹介する。 キッチン環境におけるコンテナ操作のためのインスタンス化により,本法の適用性を実証する。
• 参考スコア（独自算出の注目度）: 4.339328102985478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous agents that perform everyday manipulation actions need to ensure that their body motions are semantically correct with respect to a task request, causally effective within their environment, and feasible for their embodiment. In order to enable robots to verify these properties, we introduce the Law of Task-Achieving Body Motion as an axiomatic correctness specification for body motions. To that end we introduce scoped Task-Environment-Embodiment (TEE) classes that represent world states as Semantic Digital Twins (SDTs) and define applicable physics models to decompose task achievement into three predicates: SatisfiesRequest for semantic request satisfaction over SDT state evolution; Causes for causal sufficiency under the scoped physics model; and CanPerform for safety and feasibility verification at the embodiment level. This decomposition yields a reusable, implementation-independent interface that supports motion synthesis and the verification of given body motions. It also supports typed failure diagnosis (semantic, causal, embodiment and out-of-scope), feasibility across robots and environments, and counterfactual reasoning about robot body motions. We demonstrate the usability of the law in practice by instantiating it for articulated container manipulation in kitchen environments on three contrasting mobile manipulation platforms
• Abstract（参考訳）: 日常的な操作を行う自律的なエージェントは、タスク要求に関して身体の動きが意味的に正しいこと、環境内で因果的に効果的であること、そしてその実施のために実現可能であることを保証する必要がある。 ロボットがこれらの特性を検証できるようにするために,身体運動の公理的正当性仕様としてタスク達成体運動法を導入する。 そこで我々は,世界国家を表わすタスク環境・体育(TEE)クラスをSemantic Digital Twins(SDT)として導入し,タスク達成を3つの述語に分解する物理モデルを定義した。 この分解により、運動合成と与えられた身体運動の検証をサポートする再利用可能な実装に依存しないインタフェースが得られる。 また、型付き障害診断(セマンティック、因果、エンボディメント、スコープ外)、ロボットと環境間の実現可能性、ロボットの身体の動きに関する偽の推論もサポートしている。 コントラストのある3つのモバイル操作プラットフォーム上で,キッチン環境におけるコンテナ操作のためのコンテナ操作をインスタンス化することで,現実的な法の適用性を実証する。

関連論文リスト

• TATIC: Task-Aware Temporal Learning for Human Intent Inference from Physical Corrections in Human-Robot Collaboration [3.4672098154671995]
  ヒューマンロボットコラボレーション(HRC)では、ロボットは動的タスクの制約にオンラインで適応し、人間の意図を進化させなければならない。 本稿では,トルクベース接触力推定とタスク対応時間畳み込みネットワーク(TCN)を利用した個別タスクレベルの意図を推定する統合フレームワークTATICを提案する。 実験は意図認識において0.904 Macro-F1のスコアを獲得し、ハードウェアの検証に成功した。
  論文  参考訳（メタデータ） (2026-03-10T21:19:25Z)
• Perceptive Hierarchical-Task MPC for Sequential Mobile Manipulation in Unstructured Semi-Static Environments [10.890430040930971]
  連続的な移動操作は、一貫した動きの生成だけでなく、動作環境の変化に対するロボットの認識と適応性にも依存する。 本研究では,非構造的かつ変化する環境下での効率的な移動操作を実現するための,新しい知覚的階層型タスクモデル予測制御(HTMPC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T20:55:30Z)
• Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
  本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。 物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。 ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
  論文  参考訳（メタデータ） (2026-01-13T23:36:30Z)
• Mechanistic Finetuning of Vision-Language-Action Models via Few-Shot Demonstrations [76.79742393097358]
  Vision-Language Action (VLA)モデルは、視覚言語モデル(VLM)をロボット工学に拡張することを約束している。 既存の微調整手法には特異性がなく、タスクの視覚的、言語的、物理的特性に関わらず、同じパラメータセットを適用する。 神経科学における機能的特異性に触発されて、与えられたタスクに特有のスパースモデル表現を微調整することがより効果的である、という仮説を立てる。
  論文  参考訳（メタデータ） (2025-11-27T18:50:21Z)
• Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
  VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。 本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。 G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-10-09T09:08:33Z)
• Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface [0.0]
  Brain Computer Interface (BCI) は、物理的な動きを必要としない、ユーザフレンドリーな選択肢である。 現在のBCIシステムは、ユーザが加速するか減速するかを理解できますが、これらの変更を個別のスピードステップで実装します。 著者らは,BCI制御ロボットシステムにおける知覚行動サイクルを再設計することで,この制限に対処することを目指している。
  論文  参考訳（メタデータ） (2025-01-09T23:18:38Z)
• SEAL: Semantic Frame Execution And Localization for Perceiving Afforded Robot Actions [5.522839151632667]
  本稿では,ロボット操作行動のセマンティックフレーム表現を拡張し,セマンティックフレーム実行と局所化の問題をグラフィカルモデルとして導入する。 SEAL問題に対して、ロボットに与えられた行動の場所として、有限のセマンティックフレームに対する信念を維持するための非パラメトリックセマンティックフレームマッピング(SeFM)アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2023-03-24T15:25:41Z)
• IMoS: Intent-Driven Full-Body Motion Synthesis for Human-Object Interactions [69.95820880360345]
  そこで本研究では,仮想人物の全身動作を3Dオブジェクトで合成する最初のフレームワークを提案する。 本システムでは,オブジェクトと仮想文字の関連意図を入力テキストとして記述する。 その結果, 80%以上のシナリオにおいて, 合成された全身運動は参加者よりリアルに見えることがわかった。
  論文  参考訳（メタデータ） (2022-12-14T23:59:24Z)
• Skeleton2Humanoid: Animating Simulated Characters for Physically-plausible Motion In-betweening [59.88594294676711]
  現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。 テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。 挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2022-10-09T16:15:34Z)

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。