論文の概要: Are Foundation Models the Route to Full-Stack Transfer in Robotics?

• arxiv url: http://arxiv.org/abs/2602.22001v1
• Date: Wed, 25 Feb 2026 15:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.712287
• Title: Are Foundation Models the Route to Full-Stack Transfer in Robotics?
• Title（参考訳）: ファウンデーションモデルはロボティクスにおけるフルスタックトランスファーの道筋か?
• Authors: Freek Stulp, Samuel Bustamante, João Silvério, Alin Albu-Schäffer, Jeannette Bohg, Shuran Song,
• Abstract要約: 人間やロボットも同様に、移動学習はハイレベルな言語的移動から低レベルな運動スキルの伝達に至るまで、様々な抽象レベルで起こる。 ファンデーションモデルとトランスフォーマーネットワークがこれらの異なるレベルに与える影響を概観し、ロボットをこれまで以上に「フルスタックトランスファー」に近づける。
• 参考スコア（独自算出の注目度）: 30.288044925680495
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In humans and robots alike, transfer learning occurs at different levels of abstraction, from high-level linguistic transfer to low-level transfer of motor skills. In this article, we provide an overview of the impact that foundation models and transformer networks have had on these different levels, bringing robots closer than ever to "full-stack transfer". Considering LLMs, VLMs and VLAs from a robotic transfer learning perspective allows us to highlight recurring concepts for transfer, beyond specific implementations. We also consider the challenges of data collection and transfer benchmarks for robotics in the age of foundation models. Are foundation models the route to full-stack transfer in robotics? Our expectation is that they will certainly stay on this route as a key technology.
• Abstract（参考訳）: 人間やロボットも同様に、移動学習はハイレベルな言語的移動から低レベルな運動スキルの伝達に至るまで、様々な抽象レベルで起こる。 本稿では,基礎モデルとトランスフォーマーネットワークがこれらの異なるレベルに与える影響について概説する。 ロボットトランスファー学習の観点からLLMやVLM、VLAを考慮すれば、特定の実装を超えて、トランスファーの繰り返し概念を強調できる。 また,基礎モデル時代におけるロボット工学におけるデータ収集・転送ベンチマークの課題についても考察する。 ファウンデーションはロボット工学のフルスタックトランスファーの道筋をモデル化しているか? われわれの期待は、このルートを重要な技術として確実に続けることだ。

関連論文リスト

• Body Transformer: Leveraging Robot Embodiment for Policy Learning [51.531793239586165]
  ボディートランスフォーマー(ボディートランスフォーマー、Body Transformer、BoT)は、学習プロセスを導く誘導バイアスを提供することで、ロボットの体現性を活用するアーキテクチャである。 我々はロボットの体をセンサーとアクチュエータのグラフとして表現し、建築全体を通してプール情報にマスキングされた注意を頼りにしている。 結果として得られるアーキテクチャは、バニラ変換器と古典的な多層パーセプトロンを、タスク完了、スケーリング特性、計算効率の点で上回る。
  論文  参考訳（メタデータ） (2024-08-12T17:31:28Z)
• AutoRT: Embodied Foundation Models for Large Scale Orchestration of Robotic Agents [109.3804962220498]
  AutoRTは、人間の監督を最小限に抑えて、完全に見えないシナリオで運用ロボットの展開をスケールアップするシステムである。 われわれはAutoRTが複数の建物にまたがる20以上のロボットに指示を提示し、遠隔操作と自律ロボットポリシーを通じて77万個の実ロボットエピソードを収集するデモを行った。 実験により,AutoRTが収集した「未使用データ」は極めて多種多様であり,AutoRTのLLMを使用することで,人間の好みに合わせることができるデータ収集ロボットの指示が可能であることを実証した。
  論文  参考訳（メタデータ） (2024-01-23T18:45:54Z)
• Transfer Learning in Robotics: An Upcoming Breakthrough? A Review of Promises and Challenges [21.559563253625207]
  トランスファーラーニング(Transfer Learning)は、真にインテリジェントなエンボディエージェントを追求する概念的なパラダイムである。 ロボット,タスク,環境といった重要な概念を考慮に入れた最初の分類法を提供する。
  論文  参考訳（メタデータ） (2023-11-29T19:40:10Z)
• RT-1: Robotics Transformer for Real-World Control at Scale [98.09428483862165]
  我々は,有望なスケーラブルなモデル特性を示す,ロボティクストランスフォーマーと呼ばれるモデルクラスを提示する。 実世界の課題を遂行する実ロボットの大規模データ収集に基づいて,様々なモデルクラスと,データサイズ,モデルサイズ,データの多様性の関数として一般化する能力について検証した。
  論文  参考訳（メタデータ） (2022-12-13T18:55:15Z)
• 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)

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。