論文の概要: Towards a Data Flywheel for Embodied Intelligence in Logistics

• arxiv url: http://arxiv.org/abs/2606.05960v1
• Date: Thu, 04 Jun 2026 09:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.709267
• Title: Towards a Data Flywheel for Embodied Intelligence in Logistics
• Title（参考訳）: 物流学における身体情報のためのデータフライホイールを目指して
• Authors: Anlan Yu, Zaishu Chen, Zhiqing Hong, Daqing Zhang,
• Abstract要約: 本研究では、ロジスティクスデータフライホイールを構築することにより、産業用インテリジェンスのためのデータ中心のフレームワークについて研究する。 当社のフレームワークは,日常業務を再利用可能なデータ資産に変換し,ワールドモデルを用いて長期パーセル操作の信頼性の高い監視を行い,デプロイメントフィードバックをポリシ改善にフィードバックする。
• 参考スコア（独自算出の注目度）: 10.629123284028298
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Embodied intelligence is moving from laboratory demonstrations toward industrial deployment, with the logistics industry serving as a key application scenario. Learning-based policies offer a promising path beyond traditional perception-planning-control pipelines, but their scalability depends on how embodied data can be collected, organized, and reused. This research studies a data-centric framework for industrial embodied intelligence by constructing a logistics data flywheel. Our framework converts daily operations into reusable data assets, uses World Models to generate reliable supervision for long-tail parcel manipulation, and feeds deployment feedback back into policy improvement. As an initial result, \textit{WM-DAgger} introduces a World-Model-based data aggregation framework that synthesizes out-of-distribution recovery data for robust imitation learning. Building on this result, ongoing work explores how large-scale in-the-wild multimodal data, including labeled human demonstrations, unlabeled operational videos, and system-level robot logs, can be aligned for policy learning and transformed into feedback for continual system improvement.
• Abstract（参考訳）: エンボディード・インテリジェンス(Embodied Intelligence)は、実験室のデモから産業展開へと移行し、ロジスティクス産業が重要な応用シナリオとなっている。 学習ベースのポリシは、従来の知覚計画制御パイプラインを越えて、有望なパスを提供するが、そのスケーラビリティは、データの収集、整理、再利用の方法に依存する。 本研究では、ロジスティクスデータフライホイールを構築することにより、産業用インテリジェンスのためのデータ中心のフレームワークについて研究する。 当社のフレームワークは,日常業務を再利用可能なデータ資産に変換し,ワールドモデルを用いて長期パーセル操作の信頼性の高い監視を行い,デプロイメントフィードバックをポリシ改善にフィードバックする。 最初の結果として,「textit{WM-DAgger}」では,ロバストな模倣学習のために,配布外リカバリデータを合成するWorld-Modelベースのデータアグリゲーションフレームワークが導入された。 この結果に基づいて、人間のデモ、ラベル付きオペレーティングビデオ、システムレベルのロボットログなどの大規模マルチモーダルデータがどのように、ポリシー学習のために整列され、継続的なシステム改善のためのフィードバックに変換されるかについて、現在進行中の研究が進められている。

関連論文リスト

• Data Science and Technology Towards AGI Part I: Tiered Data Management [53.64581824953229]
  我々は、人工知能の開発がデータモデル共進化の新しい段階に入ったと論じる。 我々は、未処理のリソースから組織的で検証可能な知識まで、L0-L4階層のデータ管理フレームワークを紹介します。 提案手法の有効性を実証研究により検証する。
  論文  参考訳（メタデータ） (2026-02-09T18:47:51Z)
• FELA: A Multi-Agent Evolutionary System for Feature Engineering of Industrial Event Log Data [7.129004248608012]
  イベントログデータは、現代のデジタルサービスにとって最も価値のある資産の1つである。 AutoMLや遺伝的手法のような既存の機能エンジニアリングアプローチは、しばしば限定的な説明責任に悩まされる。 複雑なイベントログデータから有意義かつ高性能な特徴を自律的に抽出するマルチエージェント進化システムFELAを提案する。
  論文  参考訳（メタデータ） (2025-10-29T06:57:32Z)
• Towards an Introspective Dynamic Model of Globally Distributed Computing Infrastructures [27.473508984130728]
  大規模な科学的コラボレーションはペタバイト単位のデータを生成し、ボリュームはすぐにエクタバイトに達すると期待されている。 これらの計算とストレージの要求を管理するために、中央集権的なワークフローとデータ管理システムが実装されている。 より効果的あるいはAI駆動のソリューションを採用する上で重要な障害は、迅速で信頼性の高いイントロスペクティブ・ダイナミック・モデルがないことである。
  論文  参考訳（メタデータ） (2025-06-24T12:42:36Z)
• Meta-Statistical Learning: Supervised Learning of Statistical Inference [59.463430294611626]
  この研究は、大きな言語モデル(LLM)の成功を駆動するツールと原則が、分散レベルのタスクに取り組むために再利用可能であることを実証している。 本稿では,統計的推論タスクを教師付き学習問題として再構成するマルチインスタンス学習に触発されたメタ統計学習を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:04:39Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• A spectrum of physics-informed Gaussian processes for regression in engineering [0.0]
  センサとデータ全般の可用性は向上していますが、純粋なデータ駆動アプローチから多くのサービス内エンジニアリングシステムや構造を完全に特徴づけることはできません。 本稿では、限られたデータで予測モデルを作成する能力を高めるために、機械学習技術と物理に基づく推論の組み合わせを追求する。
  論文  参考訳（メタデータ） (2023-09-19T14:39:03Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• From Data to Actions in Intelligent Transportation Systems: a Prescription of Functional Requirements for Model Actionability [10.27718355111707]
  この研究は、多種多様なソースから得られたデータが、その資産やシステム、プロセスの効率的な運用のために、データ駆動モデルを学び、適応するためにどのように使用できるかを説明することを目的としている。 ITSのデータモデリングパイプラインでは、データ融合、適応学習、モデル評価という3つの複合ステージに対して、特性、エンジニアリング要件、本質的な課題を定義します。
  論文  参考訳（メタデータ） (2020-02-06T12:02:30Z)
• DeGAN : Data-Enriching GAN for Retrieving Representative Samples from a Trained Classifier [58.979104709647295]
  我々は、トレーニングされたネットワークの将来の学習タスクのために、利用可能なデータの豊富さと関連するデータの欠如の間のギャップを埋める。 利用可能なデータは、元のトレーニングデータセットまたは関連するドメインデータセットの不均衡なサブセットである可能性があるため、代表サンプルを検索するために使用します。 関連ドメインからのデータを活用して最先端のパフォーマンスを実現することを実証する。
  論文  参考訳（メタデータ） (2019-12-27T02:05:45Z)

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。