論文の概要: RobotEQ: Transitioning from Passive Intelligence to Active Intelligence in Embodied AI

• arxiv url: http://arxiv.org/abs/2605.06234v1
• Date: Thu, 07 May 2026 13:22:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.839114
• Title: RobotEQ: Transitioning from Passive Intelligence to Active Intelligence in Embodied AI
• Title（参考訳）: RobotEQ: 身体的AIにおける受動的知性から能動的知性への移行
• Abstract要約: 本稿では,アクティブインテリジェンスのための最初のベンチマークであるRobotEQを紹介する。 我々は,1,900の自我中心画像からなるデータセットを,10の代表的な実施カテゴリと56のサブカテゴリに分散して提供する。 また,このタスク上での最先端モデルの性能を評価するためにRobotEQ-Benchを構築した。
• 参考スコア（独自算出の注目度）: 23.76136776966878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied AI is a prominent research topic in both academia and industry. Current research centers on completing tasks based on explicit user instructions. However, for robots to integrate into human society, they must understand which actions are permissible and which are prohibited, even without explicit commands. We refer to the user-guided AI as passive intelligence and the unguided AI as active intelligence. This paper introduces RobotEQ, the first benchmark for active intelligence, aiming to assess whether existing models can comprehend and adhere to social norms in embodied scenarios. First, we construct RobotEQ-Data, a dataset consisting of 1,900 egocentric images, spanning 10 representative embodied categories and 56 subcategories. Through extensive manual annotation, we provide 5,353 action judgment questions and 1,286 spatial grounding questions, specifying appropriate robot actions across diverse scenarios. Furthermore, we establish RobotEQ-Bench to evaluate the performance of state-of-the-art models on this task. Experimental results show that current models still fall short in achieving reliable active intelligence, particularly in spatial grounding. Meanwhile, we observe that leveraging RAG techniques to incorporate external social norm knowledge bases can generally enhance performance. This work can facilitate the transition of robotics from user-guided passive manipulation to active social compliance.
• Abstract（参考訳）: Embodied AIは、学術と産業の両方において、顕著な研究トピックである。 現在の研究は、明示的なユーザ指示に基づくタスクの完了に焦点を当てている。 しかし、ロボットが人間社会に組み込むためには、明示的な命令がなくても、どの行動が許容され、どれが禁止されているかを理解する必要がある。 我々は、ユーザー誘導型AIを受動的インテリジェンス、非誘導型AIをアクティブインテリジェンスと呼んでいる。 本稿では,既存のモデルが具体的シナリオにおいて社会的規範を理解・遵守できるかどうかを評価することを目的とした,アクティブインテリジェンスのための最初のベンチマークであるRobotEQを紹介する。 まず,1,900個のエゴセントリックな画像からなるデータセットであるRobotEQ-Dataを構築し,10の代表的なエンボディドカテゴリと56のサブカテゴリにまたがる。 5,353件の行動判断質問と1,286件の空間的接地質問を行い,多様なシナリオにまたがる適切なロボット行動を特定する。 さらに,このタスク上での最先端モデルの性能を評価するために,RobotEQ-Benchを構築した。 実験結果から、現在のモデルでは、特に空間接地において、信頼性の高い能動インテリジェンスを達成するにはまだ不足していることが明らかとなった。 一方、外部の社会的規範知識ベースを組み込むためにRAG技術を活用することで、一般に性能が向上することが観察された。 この作業は、ロボット工学のユーザガイドによる受動的操作から、アクティブな社会的コンプライアンスへの移行を促進する。

関連論文リスト

• When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence [6.805838399260224]
  ロボットは知覚制御パイプラインからクローズドループシステムへとシフトする。 本稿では,ロボットチームが蓄積し,世界コンテキストを共有リソースとして利用する,未来のマルチロボットパラダイムであるEmbodied Collective Intelligence(ECI)について考察する。
  論文  参考訳（メタデータ） (2026-06-26T10:21:52Z)
• A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge [0.0]
  本稿では,大規模言語モデルを用いたロボット認識のための課題ベース手法を紹介し,評価する。 このロボットは、アラブ首長国連邦のADポーツ・グループの従業員が実施したLLM対応のヒューマノイドロボットによって実現された。 このアクティビティは、AIと人間とロボットのコラボレーションを具体化する参加者を公開するための、チームベースのロール駆動エクスペリエンスとして設計された。
  論文  参考訳（メタデータ） (2026-04-23T07:45:17Z)
• From Tabula Rasa to Emergent Abilities: Discovering Robot Skills via Real-World Unsupervised Quality-Diversity [11.956963115619475]
  品質ダイバーシティ・アクター・クリティカル(QDAC)の拡張であるUnsupervised Real-world Skill Acquisition (URSA)を提案する。 URSAは、ロボットが現実世界で直接、多様なハイパフォーマンスなスキルを自律的に発見し、習得することを可能にする。 本研究は,より自律的で適応性の高いロボットシステムに向けた重要なステップを示す,現実世界のロボット学習のための新しいフレームワークを構築した。
  論文  参考訳（メタデータ） (2025-08-26T16:20:41Z)
• Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
  自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。 N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。 モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
  論文  参考訳（メタデータ） (2025-07-30T09:48:34Z)
• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Autonomous Embodied Agents: When Robotics Meets Deep Learning Reasoning [0.9790236766474201]
  この論文は、室内環境におけるエンボディ化剤の完全な生成プロセスに続くものである。 我々は、この分野での今後の研究を促進するために、エンボディードAIと自律エージェントの研究に貢献することを目指している。
  論文  参考訳（メタデータ） (2025-05-02T00:43:28Z)
• The Human Robot Social Interaction (HSRI) Dataset: Benchmarking Foundational Models' Social Reasoning [49.32390524168273]
  本研究は,実世界のソーシャルインタラクションにおいて,人工知能(AI)エージェントの社会的推論を促進することを目的としている。 我々は、言語モデル(LM)と基礎モデル(FM)の能力をベンチマークするために、大規模な実世界のヒューマンロボット社会インタラクション(HSRI)データセットを導入する。 私たちのデータセットは、400以上の現実世界の人間のソーシャルロボットインタラクションビデオと10K以上のアノテーションで構成され、ロボットの社会的エラー、能力、合理性、修正行動の詳細を記述しています。
  論文  参考訳（メタデータ） (2025-04-07T06:27:02Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• How to Raise a Robot -- A Case for Neuro-Symbolic AI in Constrained Task Planning for Humanoid Assistive Robots [4.286794014747407]
  ロボットタスク計画手法を用いて,プライバシ,セキュリティ,アクセス制御の制約を取り入れた新しい分野を探求する。 本稿では,古典的シンボリックアプローチ,深層学習ニューラルネットワーク,および知識ベースとして大規模言語モデルを用いた現代的アイデアに関する予備的結果を報告する。
  論文  参考訳（メタデータ） (2023-12-14T11:09:50Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
  ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。 ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
  論文  参考訳（メタデータ） (2022-06-14T17:09:35Z)

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。