論文の概要: Can a Robot Walk the Robotic Dog: Triple-Zero Collaborative Navigation for Heterogeneous Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2603.21723v2
• Date: Fri, 27 Mar 2026 07:52:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.121599
• Title: Can a Robot Walk the Robotic Dog: Triple-Zero Collaborative Navigation for Heterogeneous Multi-Agent Systems
• Title（参考訳）: ロボットがロボット犬を歩ける:不均一なマルチエージェントシステムのためのトリプルゼロ協調ナビゲーション
• Authors: Yaxuan Wang, Yifan Xiang, Ke Li, Xun Zhang, BoWen Ye, Zhuochen Fan, Fei Wei, Tong Yang,
• Abstract要約: Triple Zero Path Planning (TZPP)は、異種マルチロボットシステムのための協調的なフレームワークである。 TZPPは、ゼロトレーニング、ゼロ事前知識、ゼロシミュレーションを必要とする。 TZPPは、目立たないシナリオに頑健で、人間の互換性のある効率と強力な適応性を実現する。
• 参考スコア（独自算出の注目度）: 16.361094060622534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Triple Zero Path Planning (TZPP), a collaborative framework for heterogeneous multi-robot systems that requires zero training, zero prior knowledge, and zero simulation. TZPP employs a coordinator--explorer architecture: a humanoid robot handles task coordination, while a quadruped robot explores and identifies feasible paths using guidance from a multimodal large language model. We implement TZPP on Unitree G1 and Go2 robots and evaluate it across diverse indoor and outdoor environments, including obstacle-rich and landmark-sparse settings. Experiments show that TZPP achieves robust, human-comparable efficiency and strong adaptability to unseen scenarios. By eliminating reliance on training and simulation, TZPP offers a practical path toward real-world deployment of heterogeneous robot cooperation. Our code and video are provided at: https://github.com/triple-zeropp/Triple-zero-robot-agent
• Abstract（参考訳）: 本稿では、ゼロトレーニング、ゼロ事前知識、ゼロシミュレーションを必要とする異種マルチロボットシステムのための協調フレームワークであるTZPPを提案する。 TZPPにはコーディネータ探索アーキテクチャがあり、ヒューマノイドロボットがタスクコーディネートを処理し、四足歩行ロボットがマルチモーダルな大言語モデルからのガイダンスを用いて実現可能な経路を探索し識別する。 We implement TZPP on Unitree G1 and Go2 robots and evaluation it across various internal and outdoor environment, including obstacle-rich and landmark-sparse settings。 実験により、TZPPは、目に見えないシナリオに対して堅牢で、人間に適応可能な効率と強い適応性を達成することが示された。 TZPPは、トレーニングやシミュレーションへの依存をなくすことで、異種ロボット協調の現実的な展開に向けた実践的な道筋を提供する。 コードとビデオは、https://github.com/triple-zeropp/Triple-zero-robot-agent.comで公開されています。

関連論文リスト

• LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator [1.5566524830295307]
  ロボットのための汎用言語駆動型インテリジェントエージェントフレームワークLEO-RobotAgentを提案する。 このフレームワークは強力な一般化、堅牢性、効率性を備えている。 実験では、このフレームワークが主流のロボットプラットフォームに容易に適応できることが確認されている。
  論文  参考訳（メタデータ） (2025-12-11T12:58:36Z)
• Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
  自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。 AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
  論文  参考訳（メタデータ） (2025-11-20T18:59:02Z)
• Generalizable Humanoid Manipulation with 3D Diffusion Policies [66.78220965526732]
  我々は、ヒューマノイドロボットによる自律的な操作の問題を解決するために、現実世界のロボットシステムを構築している。 本システムは主に,人型ロボットデータを取得するための全身ロボット遠隔操作システムと,高さ調整可能なカートと3D LiDARセンサを備えた25-DoFヒューマノイドロボットプラットフォームの統合である。 1つのシーンで収集されたデータのみを使用し、オンボードコンピューティングのみで、フルサイズのヒューマノイドロボットが様々な現実世界のシナリオで自律的にスキルを発揮できることが示される。
  論文  参考訳（メタデータ） (2024-10-14T17:59:00Z)
• Octo: An Open-Source Generalist Robot Policy [88.14295917143188]
  ここでは,Open X-Embodimentデータセットから800kトラジェクトリをトレーニングした,大規模なトランスフォーマーベースのポリシであるOctoを紹介する。 標準のGPUでは数時間以内に、新しいセンサー入力とアクションスペースを備えたロボットセットアップに効果的にカスタマイズできる。 また,アーキテクチャからトレーニングデータに至るまで,Octoモデルの設計決定の詳細な説明を行い,汎用ロボットモデルの構築に関する今後の研究を指導する。
  論文  参考訳（メタデータ） (2024-05-20T17:57:01Z)
• 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)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• 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)
• A Learning Approach to Robot-Agnostic Force-Guided High Precision Assembly [6.062589413216726]
  本稿では,高精度なロボット組立問題に対する学習手法を提案する。 組立部品が互いに密接な接触関係にあるような,コンタクトリッチなフェーズに着目する。 私たちのトレーニング環境は、エンドエフェクターが特定のロボットにアタッチされないため、ロボットレスです。
  論文  参考訳（メタデータ） (2020-10-15T22:33:43Z)

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。