論文の概要: ROSClaw: An OpenClaw ROS 2 Framework for Agentic Robot Control and Interaction
- arxiv url: http://arxiv.org/abs/2603.26997v1
- Date: Fri, 27 Mar 2026 21:15:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.727541
- Title: ROSClaw: An OpenClaw ROS 2 Framework for Agentic Robot Control and Interaction
- Title（参考訳）: ROSClaw: エージェントロボット制御とインタラクションのためのOpenClaw ROS 2フレームワーク
- Authors: Irvin Steve Cardenas, Marcus Anthony Arnett, Natalie Catherine Yeo, Lucky Sah, Jong-Hoon Kim,
- Abstract要約: 基礎モデルは、ロボットにオープンな推論、言語理解、適応計画を与えることができる。
ROSClawはモデルに依存しないエグゼクティブ層で、OpenClawエージェントランタイムとROS 2.0を統合する。
- 参考スコア（独自算出の注目度）: 0.4893345190925178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Foundation models can endow robots with open-ended reasoning, language understanding, and adaptive planning, yet connecting a model to a physical robot today requires bespoke integration that couples perception, actuation, and safety to a single model and platform. We present ROSClaw, a model-agnostic executive layer that integrates the OpenClaw agent runtime with ROS 2, enabling any foundation model to perceive, reason about, and act on any ROS-enabled robot through (i) dynamic capability discovery with standardized affordance injection, (ii) multimodal observation normalization, (iii) pre-execution action validation within a configurable safety envelope, and (iv) structured audit logging. Swapping model backends or robot platforms is a configuration change; tool schemas, safety enforcement, and provenance logging remain invariant. We deploy ROSClaw on three platforms (wheeled, quadruped, humanoid) with four foundation-model backends. Under this controlled substrate, models exhibit up to 4.8 x differences in out-of-policy action proposal rates (3.4 x among frontier models alone) and produce qualitatively distinct physical behaviors from identical commands. A cross-framework parity protocol against ROSA confirms that executive-layer design, not just prompt wording, significantly affects both task completion and safety behavior, establishing ROSClaw as both practical agentic-robot infrastructure and a reproducible measurement instrument for embodied AI.
- Abstract（参考訳）: ファンデーションモデルは、ロボットにオープンな推論、言語理解、適応的な計画を与えることができるが、しかし今日、モデルを物理的なロボットに接続するには、知覚、アクティベーション、安全性を単一のモデルとプラットフォームに結合する、控えめな統合が必要である。
ROSClawはモデルに依存しない実行層で、OpenClawエージェントランタイムとROS 2を統合することで、どの基盤モデルでもROS対応ロボットを知覚し、推論し、動作させることができる。
一 標準空力注入による動的能力発見
(ii)マルチモーダル観察正規化
三 構成可能な安全封筒内における前効動作の検証及び
(4)構造化監査ログ。
スワッピングモデルバックエンドやロボットプラットフォームは、コンフィギュレーションの変更である。
ROSClawを4つの基盤モデルバックエンドを持つ3つのプラットフォーム(車輪付き、四脚式、ヒューマノイド)にデプロイする。
この制御された基板の下では、モデルが最大4.8倍の政治外の行動提案率(フロンティアモデルだけでも3.4倍)を示し、同じコマンドから質的に異なる物理挙動を生成する。
ROSAに対するクロスフレーム・パリティプロトコルは、エグゼクティブ層の設計が単なる言葉遣いではなく、タスクの完了と安全性の両方に大きく影響を与え、ROSClawを実用的なエージェントロボット基盤と、AIを具現化するための再現可能な測定機器として確立していることを確認している。
関連論文リスト
- RACAS: Controlling Diverse Robots With a Single Agentic System [26.695876900159373]
RACAS(Robot-Agnostic Control via Agentic Systems)は、3つのモジュールが自然言語でのみ通信してクローズドループロボット制御を実現する協調型エージェントアーキテクチャである。
RACASは、ロボットの自然言語記述、利用可能なアクションの定義、タスク仕様のみを必要とする。
我々は、車輪付き地上ロボット、最近発表された新しい多関節ロボットアーム、水中車両を用いて、複数のタスクにおけるRACASを評価した。RACASは、これらの過激な異なるプラットフォームをまたいだ全てのタスクを一貫して解決し、その可能性を実証している。
論文 参考訳（メタデータ） (2026-03-05T19:25:01Z) - OpenRT: An Open-Source Red Teaming Framework for Multimodal LLMs [36.57820295876294]
MLLMの安全性評価のための統一的,モジュール型,高スループットのRed-teamingフレームワークであるOpenRTを紹介した。
OpenRTのコアとなるのは,5次元にわたるモジュール分離を可能にする対角カーネルを導入することで,自動化された再チームのパラダイムシフトだ。
このフレームワークは、ホワイトボックス勾配、マルチモーダル摂動、高度なマルチエージェント進化戦略など、37の多様な攻撃手法を統合している。
論文 参考訳（メタデータ） (2026-01-04T16:41:33Z) - Vision-based Goal-Reaching Control for Mobile Robots Using a Hierarchical Learning Framework [4.014524824655106]
本稿では,システム全体を密結合した関数モジュールの集合に分解する。
提案手法は,アクティベーションシステムの均一な指数的安定性と全動作の安全性を保証する。
論文 参考訳（メタデータ） (2026-01-02T08:41:47Z) - RoboNeuron: A Modular Framework Linking Foundation Models and ROS for Embodied AI [13.74517467087138]
RoboNeuronは、インテリジェンスの普遍的なデプロイフレームワークである。
ロボット・オペレーティング・システム(ROS)のリアルタイム実行バックボーンに、LLM(Large Language Models)とVLA(Vision-Language-Action)モデルの認知能力を深く統合する最初のフレームワークである。
論文 参考訳（メタデータ） (2025-12-11T07:58:19Z) - When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models [81.7618160628979]
VLA(Vision-Language-Action)モデルは敵の攻撃に弱いが、普遍的かつ移動可能な攻撃は未発見のままである。
UPA-RFAS(Universal Patch Attack via Robust Feature, Attention, and Semantics)は、単一の物理的パッチを共有機能空間で学習する統合フレームワークである。
多様なVLAモデル、操作スイート、物理実行の実験は、UPA-RFASがモデル、タスク、視点を一貫して移行していることを示している。
論文 参考訳（メタデータ） (2025-11-26T09:16:32Z) - Enabling Novel Mission Operations and Interactions with ROSA: The Robot Operating System Agent [6.031333490943827]
本稿では,ロボットオペレーティングシステム(ROS)と自然言語インタフェースのギャップを埋めるAIエージェントであるROSA(Robot Operating System Agent)を紹介する。
最先端の言語モデルを活用し、オープンソースのフレームワークを統合することで、ROSAはオペレーターが自然言語を使ってロボットと対話することを可能にする。
論文 参考訳（メタデータ） (2024-10-09T01:54:02Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - 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)
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。