論文の概要: RODEO: RObotic DEcentralized Organization

• arxiv url: http://arxiv.org/abs/2603.06058v1
• Date: Fri, 06 Mar 2026 09:09:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.984281
• Title: RODEO: RObotic DEcentralized Organization
• Title（参考訳）: RODEO: ロボティックな分散組織
• Authors: Milan Groshev, Eduardo Castelló Ferrer,
• Abstract要約: 本稿では,サービスロボットのための分散自律組織(DAO)を定式化する。 まず、証明とロボットの間にROS-ETHブリッジを提供する。 第二に、組織(企業、大学など)がサービスロボットを運用に統合できるテンプレートを提供する。 第3に、ロボット動作の監査を可能にする証明検証メカニズムを提供する。
• 参考スコア（独自算出の注目度）: 1.1833942128156985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots are improving their autonomy with minimal human supervision. However, auditable actions, transparent decision processes, and new human-robot interaction models are still missing requirements to achieve extended robot autonomy. To tackle these challenges, we propose RODEO (RObotic DEcentralized Organization), a blockchain-based framework that integrates trust and accountability mechanisms for robots. This paper formalizes Decentralized Autonomous Organizations (DAOs) for service robots. First, it provides a ROS-ETH bridge between the DAO and the robots. Second, it offers templates that enable organizations (e.g., companies, universities) to integrate service robots into their operations. Third, it provides proof-verification mechanisms that allow robot actions to be auditable. In our experimental setup, a mobile robot was deployed as a trash collector in a lab scenario. The robot collects trash and uses a smart bin to sort and dispose of it correctly. Then, the robot submits a proof of the successful operation and is compensated in DAO tokens. Finally, the robot re-invests the acquired funds to purchase battery charging services. Data collected in a three day experiment show that the robot doubled its income and reinvested funds to extend its operating time. The proof validation times of approximately one minute ensured verifiable task execution, while the accumulated robot income successfully funded up to 88 hours of future autonomous operation. The results of this research give insights about how robots and organizations can coordinate tasks and payments with auditable execution proofs and on-chain settlement.
• Abstract（参考訳）: ロボットは人間の監督を最小限にして自律性を改善している。 しかし、監査可能な行動、透明な意思決定プロセス、そして新しい人間とロボットの相互作用モデルはまだ、ロボットの自律性を達成するための要求が欠けている。 これらの課題に対処するために、ロボットの信頼性と説明責任メカニズムを統合するブロックチェーンベースのフレームワークであるRODEO(Robotic Decentralized Organization)を提案する。 本稿では,サービスロボットのための分散自律組織(DAO)を定式化する。 まず、DAOとロボットの間にROS-ETHブリッジを提供する。 第二に、組織(企業、大学など)がサービスロボットをオペレーションに統合できるテンプレートを提供する。 第3に、ロボット動作の監査を可能にする証明検証メカニズムを提供する。 実験では,実験室のシナリオにおいて,移動ロボットをゴミ収集機として配置した。 ロボットはゴミを収集し、スマートビンを使ってそれを正しく選別し、処分する。 そして、ロボットは、成功した操作の証明を提出し、DAOトークンで補償する。 最後に、このロボットは買収した資金を再投資し、バッテリー充電サービスを購入する。 3日間の実験で収集されたデータは、ロボットが収入を倍増し、運用時間を延長するために資金を再投資したことを示している。 検証時間は約1分で検証可能なタスク実行が保証され、蓄積されたロボットの収入は、将来の自律運転の88時間で得られた。 本研究の結果は,ロボットと組織が,監査可能な実行証明とオンチェーン決済を用いて,タスクや支払いを協調する方法についての洞察を与える。

関連論文リスト

• RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
  画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。 ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。 それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-28T07:51:02Z)
• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Using a Variational Autoencoder to Learn Valid Search Spaces of Safely Monitored Autonomous Robots for Last-Mile Delivery [4.06954791852512]
  現実の世界では、自律ロボットは安全のために人間の監督を必要とする。 我々は、配達を最大化するために自律ロボットのタイミングを最適化する現実的な問題に取り組む。 適切な数のロボットが同時に動作する有効なソリューションを見つけることができるのはCOILのみである。
  論文  参考訳（メタデータ） (2023-03-06T15:13:35Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• 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)
• Robotic Telekinesis: Learning a Robotic Hand Imitator by Watching Humans on Youtube [24.530131506065164]
  我々は、人間なら誰でもロボットの手と腕を制御できるシステムを構築します。 ロボットは、人間のオペレーターを1台のRGBカメラで観察し、その動作をリアルタイムで模倣する。 我々はこのデータを利用して、人間の手を理解するシステムを訓練し、人間のビデオストリームをスムーズで、素早く、安全に、意味論的に誘導デモに類似したロボットのハンドアーム軌道に再ターゲティングする。
  論文  参考訳（メタデータ） (2022-02-21T18:59:59Z)
• 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)
• Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining [0.6091702876917281]
  本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。 コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。 本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
  論文  参考訳（メタデータ） (2020-09-19T03:13:28Z)
• OpenBot: Turning Smartphones into Robots [95.94432031144716]
  現在のロボットは高価か、感覚豊かさ、計算能力、通信能力に重大な妥協をもたらす。 我々はスマートフォンを活用して、センサースイート、強力な計算能力、最先端通信チャネル、繁栄するソフトウェアエコシステムへのアクセスなどを備えたロボットを装備することを提案する。 われわれは50ドルの小型電気自動車を設計し、標準のAndroidスマートフォンのロボットボディとして機能する。
  論文  参考訳（メタデータ） (2020-08-24T18:04:50Z)

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。