論文の概要: OpenGo: An OpenClaw-Based Robotic Dog with Real-Time Skill Switching
- arxiv url: http://arxiv.org/abs/2604.01708v1
- Date: Thu, 02 Apr 2026 07:19:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.582296
- Title: OpenGo: An OpenClaw-Based Robotic Dog with Real-Time Skill Switching
- Title（参考訳）: OpenGo: リアルタイムでスキルを切り替えるOpenClawベースのロボット犬
- Authors: Hanbing Li, Xuewei Cao, Zhiwen Zeng, Yuhan Wu, Yanyong Zhang, Yan Xia,
- Abstract要約: 我々は,OpenClawを利用したロボット犬OpenGoを紹介した。
1)スキルインポートや自律的なスキル検証が容易なカスタマイズ可能なスキルライブラリ、(2)タスクプロンプトや言語指示に従って異なるスキルを選択して起動するディスパッチ、(3)タスク完了と人間のフィードバックに基づいてスキルを微調整するセルフラーニングフレームワークを備える。
- 参考スコア（独自算出の注目度）: 16.367868366881307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adaptation to complex tasks and multiple scenarios remains a significant challenge for a single robot agent. The ability to acquire organize, and switch between a wide range of skills in real time, particularly in dynamic environments, has become a fundamental requirement for embodied intelligence. We introduce OpenGo, an OpenClaw-powered embodied robotic dog capable of switching skills in real time according to the scene and task instructions. Specifically, the agent is equipped with (1) a customizable skill library with easy skill import and autonomous skill validation, (2) a dispatcher that selects and invokes different skills according to task prompts or language instructions, and (3) a self-learning framework that fine-tunes skills based on task completion and human feedback. We deploy the agent in Unitree's Go2 robotic dog and validate its capabilities in self-checking and switching of skills autonomously. In addition, by integrating Feishu-platform communication, we enable natural-language guidance and human feedback, allowing inexperienced users to control the robotic dog through simple instructions.
- Abstract（参考訳）: 複雑なタスクや複数のシナリオへの適応は、単一のロボットエージェントにとって重要な課題である。
組織を習得し、特に動的環境において、様々なスキルをリアルタイムで切り替える能力は、インテリジェンスを具現化するための基本的な要件となっている。
我々は,OpenClawを利用したロボット犬OpenGoを紹介した。
具体的には、(1)スキルインポートや自律的なスキル検証が容易なカスタマイズ可能なスキルライブラリ、(2)タスクプロンプトや言語指示に従って異なるスキルを選択して起動するディスパッチ、(3)タスク完了と人間のフィードバックに基づいてスキルを微調整するセルフラーニングフレームワークを備える。
エージェントをUnitreeのロボット犬Go2にデプロイし、自律的なスキルの自己チェックと切り替えの能力を検証する。
さらに,Feishu-platform通信を統合することで,自然言語指導や人間からのフィードバックを可能とし,経験の浅いユーザが簡単な指示でロボット犬をコントロールできるようになる。
関連論文リスト
- Unsupervised Skill Discovery for Robotic Manipulation through Automatic Task Generation [17.222197596599685]
本稿では,多数の自律的タスクを解くことで構成可能な振る舞いを発見するスキル学習手法を提案する。
本手法は,ロボットが環境内の物体と連続的かつ堅牢に対話することを可能にするスキルを学習する。
学習したスキルは、シミュレーションだけでなく、本物のロボットプラットフォーム上でも、目に見えない操作タスクのセットを解決するために使用できる。
論文 参考訳（メタデータ） (2024-10-07T09:19:13Z) - Unlock Reliable Skill Inference for Quadruped Adaptive Behavior by Skill Graph [26.861541495975686]
本稿では,ロボットの基本スキルの集合を組織化するための新しいフレームワークとして,ロボットスキルグラフ(RSG)を提案する。
RSGはKGの静的知識ではなく、巨大な動的行動スキルで構成されている。
我々は,RSGが新たなタスクや環境に対して,信頼性の高いスキル推論を提供できることを示す。
論文 参考訳（メタデータ） (2023-11-10T11:59:41Z) - RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in
One-Shot [56.130215236125224]
オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。
単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。
本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
論文 参考訳（メタデータ） (2023-07-02T15:33:31Z) - RoboCat: A Self-Improving Generalist Agent for Robotic Manipulation [33.10577695383743]
ロボット操作のためのマルチタスク汎用エージェントRoboCatを提案する。
このデータは、シミュレートされた本物のロボットアームから、さまざまな観察とアクションのセットでモーターコントロールスキルの大規模なレパートリーにまたがる。
RoboCatでは、ゼロショットだけでなく、100-1000例のみを用いて適応することで、新しいタスクやロボットに一般化する能力を実証する。
論文 参考訳（メタデータ） (2023-06-20T17:35:20Z) - Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。
犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。
ベンチマークに対処する2つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-24T02:49:43Z) - "No, to the Right" -- Online Language Corrections for Robotic
Manipulation via Shared Autonomy [70.45420918526926]
LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。
LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。
提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
論文 参考訳（メタデータ） (2023-01-06T15:03:27Z) - Towards Plug'n Play Task-Level Autonomy for Robotics Using POMDPs and
Generative Models [0.0]
ロボットのスキルを、特定のタスクを達成するためにそのスキルをスケジュールする作業自律型ロボットコントローラに統合するアプローチについて述べる。
私たちのジェネレーティブスキルドキュメンテーション言語(GSDL)は、コードドキュメンテーションをコンパクトで表現力のあるものにします。
抽象マッピング(AM)は、低レベルのロボットコードと抽象AI計画モデルとのギャップを埋める。
論文 参考訳（メタデータ） (2022-07-20T07:27:47Z) - Learning Language-Conditioned Robot Behavior from Offline Data and
Crowd-Sourced Annotation [80.29069988090912]
本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。
クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。
提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
論文 参考訳（メタデータ） (2021-09-02T17:42:13Z) - Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。
そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
論文 参考訳（メタデータ） (2020-04-02T02:56:16Z)
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。