論文の概要: IndoorR2X: Indoor Robot-to-Everything Coordination with LLM-Driven Planning

• arxiv url: http://arxiv.org/abs/2603.20182v1
• Date: Fri, 20 Mar 2026 17:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.279334
• Title: IndoorR2X: Indoor Robot-to-Everything Coordination with LLM-Driven Planning
• Title（参考訳）: 室内ロボットR2X:LLM駆動型計画による屋内ロボット間協調
• Authors: Fan Yang, Soumya Teotia, Shaunak A. Mehta, Prajit KrisshnaKumar, Quanting Xie, Jun Liu, Yueqi Song, Li Wenkai, Atsunori Moteki, Kanji Uchino, Yonatan Bisk,
• Abstract要約: IndoorR2Xは、屋内環境におけるロボット・トゥ・エブリシング(R2X)の知覚とコミュニケーションによるマルチロボットタスク・プランニングのためのフレームワークである。 R2Xは、モバイルロボットと静的IoT(Internet of Things)デバイスからの観測を統合し、グローバルなセマンティックステートを構築する。 IndoorR2Xは、シミュレーション環境、センサーレイアウト、ロボットチーム、タスクスイートを提供し、ハイレベルなセマンティックコーディネーション戦略を評価する。
• 参考スコア（独自算出の注目度）: 21.930614099664083
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Although robot-to-robot (R2R) communication improves indoor scene understanding beyond what a single robot can achieve, R2R alone cannot overcome partial observability without substantial exploration overhead or scaling team size. In contrast, many indoor environments already include low-cost Internet of Things (IoT) sensors (e.g., cameras) that provide persistent, building-wide context beyond onboard perception. We therefore introduce IndoorR2X, the first benchmark and simulation framework for Large Language Model (LLM)-driven multi-robot task planning with Robot-to-Everything (R2X) perception and communication in indoor environments. IndoorR2X integrates observations from mobile robots and static IoT devices to construct a global semantic state that supports scalable scene understanding, reduces redundant exploration, and enables high-level coordination through LLM-based planning. IndoorR2X provides configurable simulation environments, sensor layouts, robot teams, and task suites to systematically evaluate high-level semantic coordination strategies. Extensive experiments across diverse settings demonstrate that IoT-augmented world modeling improves multi-robot efficiency and reliability, and we highlight key insights and failure modes for advancing LLM-based collaboration between robot teams and indoor IoT sensors.
• Abstract（参考訳）: ロボットとロボット(R2R)のコミュニケーションは、単一のロボットが達成できることを超えて、屋内のシーン理解を改善するが、R2Rだけでは、かなりのオーバヘッドやチームサイズのスケーリングなしには、部分的な観測性を克服することはできない。 対照的に、多くの屋内環境には、低コストのIoT(Internet of Things)センサー(例:カメラ)が含まれており、オンボードの知覚を超えた永続的でビル全体のコンテキストを提供している。 そこで我々は,Large Language Model (LLM) 駆動型マルチロボットタスク計画のための最初のベンチマークおよびシミュレーションフレームワークであるIndoorR2Xを紹介した。 IndoorR2Xは、モバイルロボットと静的IoTデバイスからの観測を統合して、スケーラブルなシーン理解をサポートするグローバルなセマンティックステートの構築、冗長な探索の削減、LLMベースの計画による高レベルの調整を可能にする。 IndoorR2Xは、構成可能なシミュレーション環境、センサーレイアウト、ロボットチーム、タスクスイートを提供し、高レベルのセマンティックコーディネーション戦略を体系的に評価する。 さまざまな設定にわたる大規模な実験は、IoTを拡張した世界モデリングがマルチロボットの効率性と信頼性を向上させることを示し、ロボットチームと屋内IoTセンサー間のLLMベースのコラボレーションを促進するための重要な洞察と失敗モードを強調します。

関連論文リスト

• XR-DT: Extended Reality-Enhanced Digital Twin for Agentic Mobile Robots [10.083050242188422]
  本稿では,エージェント移動ロボットのためのeXtended Reality-enhanced Digital TwinフレームワークであるXR-DTを提案する。 人間の意図,環境力学,ロボット認知をXR-DTフレームワークに組み込むことで,本システムは解釈可能,信頼性,適応的HRIを実現する。
  論文  参考訳（メタデータ） (2025-12-04T21:49:14Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
  マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。 そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T02:43:36Z)
• GISR: Geometric Initialization and Silhouette-based Refinement for Single-View Robot Pose and Configuration Estimation [0.0]
  GISRは、リアルタイムで実行を優先順位付けするロボット対カメラのポーズ推定手法である。 我々は,GISRを公開データ上で評価し,その性能と精度の両面で,同一クラスの既存手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-08T08:39:25Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Regularized Deep Signed Distance Fields for Reactive Motion Generation [30.792481441975585]
  距離に基づく制約は、ロボットが自分の行動を計画し、安全に行動できるようにするための基本となる。 本研究では,任意のスケールでスムーズな距離場を計算できる単一暗黙関数ReDSDFを提案する。 共有作業空間における全身制御(WBC)と安全なヒューマンロボットインタラクション(HRI)のための代表的タスクにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-03-09T14:21:32Z)

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。