論文の概要: Robotic Agentic Platform for Intelligent Electric Vehicle Disassembly

• arxiv url: http://arxiv.org/abs/2603.18520v1
• Date: Thu, 19 Mar 2026 06:03:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.978045
• Title: Robotic Agentic Platform for Intelligent Electric Vehicle Disassembly
• Title（参考訳）: インテリジェント電気自動車解体のためのロボットエージェントプラットフォーム
• Authors: Zachary Allen, Max Conway, Lyle Antieau, Allen Ponraj, Nikolaus Correll,
• Abstract要約: 本稿では,現実的なリサイクルシナリオにおける知覚駆動型操作,柔軟な自動化,AI支援型ロボットプログラミングを研究対象とするロボットエージェント・プラットフォーム(RAPID)を提案する。 このシステムは、ガントリー搭載の産業用マニピュレータ、RGB-D知覚、およびフルスケールのEVバッテリーパックのファスナー除去のための自動ナット走行ツールを統合している。 フレキシブルなインタラクションをサポートするために、ロボット分解タスクのためのエージェントAI仕様を導入し、エージェントは構造化ツールインターフェースとROSサービスを介して、ハイレベルな命令をロボットアクションに変換することができる。
• 参考スコア（独自算出の注目度）: 0.3262230127283452
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Electric vehicles (EV) create an urgent need for scalable battery recycling, yet disassembly of EV battery packs remains largely manual due to high design variability. We present our Robotic Agentic Platform for Intelligent Disassembly (RAPID), designed to investigate perception-driven manipulation, flexible automation, and AI-assisted robot programming in realistic recycling scenarios. The system integrates a gantry-mounted industrial manipulator, RGB-D perception, and an automated nut-running tool for fastener removal on a full-scale EV battery pack. An open-vocabulary object detection pipeline achieves 0.9757 mAP50, enabling reliable identification of screws, nuts, busbars, and other components. We experimentally evaluate (n=204) three one-shot fastener removal strategies: taught-in poses (97% success rate, 24 min duration), one-shot vision execution (57%, 29 min), and visual servoing (83%, 36 min), comparing success rate and disassembly time for the battery's top cover fasteners. To support flexible interaction, we introduce agentic AI specifications for robotic disassembly tasks, allowing LLM agents to translate high-level instructions into robot actions through structured tool interfaces and ROS services. We evaluate SmolAgents with GPT-4o-mini and Qwen 3.5 9B/4B on edge hardware. Tool-based interfaces achieve 100% task completion, while automatic ROS service discovery shows 43.3% failure rates, highlighting the need for structured robot APIs for reliable LLM-driven control. This open-source platform enables systematic investigation of human-robot collaboration, agentic robot programming, and increasingly autonomous disassembly workflows, providing a practical foundation for research toward scalable robotic battery recycling.
• Abstract（参考訳）: 電気自動車(EV)は、スケーラブルなバッテリリサイクルの緊急需要を創出するが、EVバッテリパックの分解は、設計上の多様性のために手作業のままである。 本稿では,現実的なリサイクルシナリオにおける知覚駆動型操作,柔軟な自動化,AI支援型ロボットプログラミングを研究対象とするロボットエージェント・プラットフォーム(RAPID)を提案する。 このシステムは、ガントリー搭載の産業用マニピュレータ、RGB-D知覚、およびフルスケールのEVバッテリーパックのファスナー除去のための自動ナット走行ツールを統合している。 オープンボキャブラリオブジェクト検出パイプラインは0.9757 mAP50に達し、ネジ、ナッツ、バスバー、その他のコンポーネントの信頼性の高い識別を可能にする。 実験により, (n=204) 単発ファスナー除去戦略として, 単発フェース (97%成功率, 24分持続), 単発ビジョン実行 (57%, 29分) と視覚サーボ (83%, 36分) を3つ評価し, 電池トップカバーファスナーの成功率と分解時間を比較した。 フレキシブルなインタラクションをサポートするために、ロボット分解タスクのためのエージェントAI仕様を導入し、LLMエージェントは構造化ツールインターフェースとROSサービスを介して、ハイレベルな命令をロボットアクションに変換することができる。 GPT-4o-miniとQwen 3.5 9B/4BのSmolAgentsをエッジハードウェア上で評価した。 ツールベースのインターフェースは100%タスク補完を実現し、自動ROSサービスディスカバリは43.3%の障害率を示し、信頼性の高いLCM駆動制御のための構造化されたロボットAPIの必要性を強調している。 このオープンソースのプラットフォームは、人間とロボットのコラボレーション、エージェントロボットプログラミング、そしてますます自律的な分解ワークフローの体系的な調査を可能にし、スケーラブルなロボットバッテリーリサイクルに向けた研究の実践的な基盤を提供する。

関連論文リスト

• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• D-RMGPT: Robot-assisted collaborative tasks driven by large multimodal models [0.0]
  検出ロボット管理GPT(D-RMGPT)は,LMMに基づくロボット支援組立プランナである マーカや以前のトレーニングを必要とせずに、経験の浅い演算子をアセンブリタスクで支援することができる。 組立成功率83%を達成し、未経験者の組立時間を手作業よりも33%削減する。
  論文  参考訳（メタデータ） (2024-08-21T16:34:21Z)
• Wonderful Team: Zero-Shot Physical Task Planning with Visual LLMs [0.0]
  Wonderful Teamは、ゼロショットでハイレベルなロボット計画を実行するためのフレームワークだ。 実世界のセマンティックおよび物理的計画タスクにおけるWonderful Teamのパフォーマンスは、しばしば別々のビジョンシステムに依存するメソッドを超えることが示される。
  論文  参考訳（メタデータ） (2024-07-26T21:18:57Z)
• Revolutionizing Battery Disassembly: The Design and Implementation of a Battery Disassembly Autonomous Mobile Manipulator Robot(BEAM-1) [5.6751825724842035]
  本稿では,NeuralSymbolic AIに基づく電池分解AMMR(BEAM-1)システムを提案する。 マルチセンサーと神経述語の組み合わせを利用して環境状態を検出し、その情報を準記号空間に変換する。 リアルタイムに LLM-heuristic tree search を用いてアクションプリミティブの最適なシーケンスを特定し、これらのプリミティブの高精度な実行を保証する。
  論文  参考訳（メタデータ） (2024-07-09T06:44:20Z)
• Closed-Loop Open-Vocabulary Mobile Manipulation with GPT-4V [38.638838472108525]
  本稿では, GPT-4V視覚言語基盤モデルを用いた初のクローズドループロボットシステムであるCOME-robotについて述べる。 COME-robotは2つの重要なイノベーティブなモジュールを組み込んでいる: (i) マルチレベルなオープン語彙認識と位置推論モジュールで、3次元環境を効果的に探索し、コモンセンスの知識と位置情報を用いて対象物体の識別を可能にする。
  論文  参考訳（メタデータ） (2024-04-16T02:01:56Z)
• 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)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)

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。