論文の概要: RoCo Challenge at AAAI 2026: Benchmarking Robotic Collaborative Manipulation for Assembly Towards Industrial Automation

• arxiv url: http://arxiv.org/abs/2603.15469v1
• Date: Mon, 16 Mar 2026 16:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.558895
• Title: RoCo Challenge at AAAI 2026: Benchmarking Robotic Collaborative Manipulation for Assembly Towards Industrial Automation
• Title（参考訳）: AAAI 2026のRoCo Challenge: 産業自動化に向けた組み立てのためのロボット協調操作のベンチマーク
• Authors: Haichao Liu, Yuheng Zhou, Zhenyu Wu, Ziheng Ji, Ziyu Shan, Qianzhun Wang, Ruixuan Liu, Zhiyuan Yang, Yejun Gu, Shalman Khan, Shijun Yan, Jun Liu, Haiyue Zhu, Changliu Liu, Jianfei Yang, Jingbing Zhang, Ziwei Wang,
• Abstract要約: 本稿では,ロボット協調アセンブリ支援(RoCo)チャレンジを紹介し,シミュレーションと実世界のアセンブリ操作を目的としたデータセットを提案する。 この課題は、現代産業において非常に代表的な操作を必要とする、高精度な惑星のギアボックス組み立て作業に焦点を当てている。 私たちは10カ国以上から60以上のチームと170人以上の参加者を集めました。
• 参考スコア（独自算出の注目度）: 36.326094665912564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied Artificial Intelligence (EAI) is rapidly developing, gradually subverting previous autonomous systems' paradigms from isolated perception to integrated, continuous action. This transition is highly significant for industrial robotic manipulation, promising to free human workers from repetitive, dangerous daily labor. To benchmark and advance this capability, we introduce the Robotic Collaborative Assembly Assistance (RoCo) Challenge with a dataset towards simulation and real-world assembly manipulation. Set against the backdrop of human-centered manufacturing, this challenge focuses on a high-precision planetary gearbox assembly task, a demanding yet highly representative operation in modern industry. Built upon a self-developed data collection, training, and evaluation system in Isaac Sim, and utilizing a dual-arm robot for real-world deployment, the challenge operates in two phases. The Simulation Round defines fine-grained task phases for step-wise scoring to handle the long-horizon nature of the assembly. The Real-World Round mirrors this evaluation with physical gearbox components and high-quality teleoperated datasets. The core tasks require assembling an epicyclic gearbox from scratch, including mounting three planet gears, a sun gear, and a ring gear. Attracting over 60 teams and 170+ participants from more than 10 countries, the challenge yielded highly effective solutions, most notably ARC-VLA and RoboCola. Results demonstrate that a dual-model framework for long-horizon multi-task learning is highly effective, and the strategic utilization of recovery-from-failure curriculum data is a critical insight for successful deployment. This report outlines the competition setup, evaluation approach, key findings, and future directions for industrial EAI. Our dataset, CAD files, code, and evaluation results can be found at: https://rocochallenge.github.io/RoCo2026/.
• Abstract（参考訳）: EAI(Embodied Artificial Intelligence)は、従来の自律システムのパラダイムを、孤立した認識から統合された継続的な行動へと徐々に覆い隠し、急速に発展している。 この移行は、産業用ロボット操作にとって非常に重要であり、人間の労働者が反復的で危険な日々の労働から解放されることを約束している。 本稿では,ロボット協調アセンブリ支援(RoCo)チャレンジを,シミュレーションと実世界のアセンブリ操作のためのデータセットとして導入する。 この課題は、人間中心の製造業の背景に逆らって、高精度な惑星のギアボックス組み立て作業に焦点を合わせ、現代の産業において非常に代表的な活動を必要としている。 アイザック・シム(Isaac Sim)の自己開発データ収集、トレーニング、評価システムに基づいて構築され、現実世界の展開にデュアルアームロボットを活用することで、2つのフェーズで運用される。 シミュレーションラウンドは、アセンブリの長い水平の性質を扱うためのステップワイズスコアリングのためのきめ細かいタスクフェーズを定義する。 Real-World Roundは、この評価を物理ギアボックスコンポーネントと高品質な遠隔操作データセットで反映している。 コアタスクには、3つの惑星のギア、太陽のギア、リングのギアなど、エピサイクルのギアボックスをスクラッチから組み立てる必要がある。 60以上のチームと10カ国以上から170人以上の参加者を集め、特にARC-VLAやRoboColaなど、非常に効果的なソリューションを生み出した。 以上の結果から,長期マルチタスク学習のためのデュアルモデルフレームワークが極めて有効であることが示唆された。 本報告では, 産業用EAIの競争設定, 評価手法, 重要な発見, 今後の方向性について概説する。 私たちのデータセット、CADファイル、コード、評価結果は以下の通りです。

関連論文リスト

• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons [69.87766750714945]
  汎用ロボット報酬モデルは通常、専門家によるデモンストレーションから絶対的なタスク進捗を予測するために訓練される。 本稿では、軌道内進行監視と軌道間優先監視を組み合わせたスケーラブルな報酬モデリングフレームワークRobometerを紹介する。 ロビオメーターは、専門家データに報酬等級を固定するフレームレベルのプログレス・ロスと、グローバルな順序制約を課す軌跡比較優先損失という2つの目的で訓練されている。
  論文  参考訳（メタデータ） (2026-03-02T17:38:58Z)
• RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation [37.52152452548065]
  RoboGeneは多様な物理的に可能な操作タスクを生成するために設計されたエージェントフレームワークである。 広範に定量的な分析と大規模な実世界の実験を行い、18k軌道のデータセットを収集した。 結果は、RoboGeneが最先端の基礎モデルよりも大幅に優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-18T13:29:43Z)
• Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop [120.2806035123366]
  RoboTwin Dual-Arm Collaboration Challengeは、CVPR 2025の第2回MeISワークショップで行われた。 ライバルは、剛性、変形性、触覚ベースのシナリオをカバーする17のデュアルアーム操作タスクに完全に取り組んだ。 コンペティションの設定、タスク設計、評価方法論、重要な発見と今後の方向性について概説する。
  論文  参考訳（メタデータ） (2025-06-29T17:56:41Z)
• A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
  私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。 我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。 その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-11-08T17:20:47Z)

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。