論文の概要: Embodied Operators and Benchmarking: Toward Reusable and Deployable Embodied Intelligence Systems

• arxiv url: http://arxiv.org/abs/2607.03283v1
• Date: Fri, 03 Jul 2026 12:51:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.570007
• Title: Embodied Operators and Benchmarking: Toward Reusable and Deployable Embodied Intelligence Systems
• Title（参考訳）: Embodied Operator と Benchmarking: Reusable and Deployable Embodied Intelligence Systems
• Abstract要約: 身体的インテリジェンスシステムは、マルチモーダルな観察、ロボットの状態、人間のデモンストレーション、タスクコンテキストを変換する再利用可能な機能モジュールを必要とする。 この研究は、これらのモジュールをエンボディ演算子として定義し、それらをエンボディされたインテリジェンスパイプラインの独立した構成可能な単位として研究する。
• 参考スコア（独自算出の注目度）: 12.176736540015881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied intelligence systems require not only end-to-end policy models, but also reusable functional modules that transform multimodal observations, robot states, human demonstrations, and task contexts into structured representations, decisions, trajectories, control references, and system services. This work defines these modules as embodied operators and studies them as independent yet composable units in embodied intelligence pipelines. We clarify their definition boundary, emphasizing task semantics, standardized input-output contracts, deployability, reusability, and multi-layer optimizability. We further construct a taxonomy covering five categories: detection and segmentation, spatial localization and 3D understanding, hand motion recovery, embodied foundation models and task-decision operators, and planning, control, and system support operators. For each category, we summarize representative functions, technical paradigms, application roles, and practical limitations. Beyond taxonomy, we propose a multi-dimensional benchmark framework that evaluates embodied operators in terms of correctness, end-to-end efficiency, resource usage, temporal stability, portability, interface compatibility, deployment reliability, and downstream task utility. We also discuss workflow-level operator acceleration and open challenges in operator composition, data standardization, world models, VLA safety, edge deployment, and real-world application value. Overall, this work argues that embodied operators should be optimized and evaluated as holistic deployable components, providing a foundation for reusable, scalable, and verifiable embodied intelligence systems.
• Abstract（参考訳）: 身体的なインテリジェンスシステムは、エンドツーエンドのポリシーモデルだけでなく、マルチモーダルな観察、ロボットの状態、人間のデモ、タスクコンテキストを構造化された表現、決定、軌道、制御参照、システムサービスに変換する再利用可能な機能モジュールも必要である。 この研究は、これらのモジュールをエンボディ演算子として定義し、それらをエンボディされたインテリジェンスパイプラインの独立した構成可能な単位として研究する。 我々は,タスクセマンティクス,標準化された入出力契約,デプロイ性,再利用性,多層最適化性といった定義境界を明らかにした。 さらに,検出とセグメンテーション,空間的局所化と3次元理解,手の動き回復,基礎モデルとタスク決定演算子,計画,制御,システム支援演算子という5つのカテゴリを網羅した分類を構築した。 各カテゴリについて、代表的機能、技術的パラダイム、アプリケーションの役割、実践的制限を要約する。 分類以外にも,エンボディド演算子の正確性,エンドツーエンド効率,資源使用量,時間的安定性,ポータビリティ,インターフェースの互換性,デプロイメント信頼性,ダウンストリームタスクユーティリティなどの観点から評価する多次元ベンチマークフレームワークを提案する。 また、ワークフローレベルの演算子アクセラレーションや、演算子の構成、データ標準化、世界モデル、VLA安全性、エッジデプロイメント、実世界のアプリケーション価値に関するオープンな課題についても論じる。 全体として、この研究は、エンボディド演算子は、完全デプロイ可能なコンポーネントとして最適化され、評価されるべきであり、再利用可能で、スケーラブルで、検証可能なインテリジェンスシステムの基礎を提供する、と論じている。

関連論文リスト

• The Agent Operating System (AOS): A Reference Operating Architecture for Distributed Agentic Systems [0.04756202129182093]
  本稿では,分散エージェントシステムのためのベンダニュートラル参照オペレーティングシステムであるエージェントオペレーティングシステム(AOS)を提案する。 AOSは既存のフレームワークやインフラの代替としてではなく、異種コンポーネントを管理可能な信頼性、可観測性、相互運用可能なエージェントシステムに構成できる運用アーキテクチャとして提案されている。
  論文  参考訳（メタデータ） (2026-08-04T06:50:49Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
  大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。 この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
  論文  参考訳（メタデータ） (2026-07-05T17:55:05Z)
• From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
  本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。 まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。 次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
  論文  参考訳（メタデータ） (2026-06-14T05:40:16Z)
• OpenCompass: A Universal Evaluation Platform for Large Language Models [62.59671563145442]
  汎用大規模言語モデル (LLM) は, 技術の進歩において重要なリンクとなっている。 メインストリームベンチマークデータセットは、タスクタイプの多様性、一貫性のない評価基準、データと処理の断片化といった課題に直面している。 本稿では,ワンストップ,スケーラブル,高精度な汎用評価プラットフォームであるOpen LLMをオープンソースとして提案する。
  論文  参考訳（メタデータ） (2026-05-19T02:50:11Z)
• Position: Avoid Overstretching LLMs for every Enterprise Task [3.679908170761854]
  AIシステムはモノリシックエンジンではなく、言語モデルをインターフェースとして扱うべきだ、と私たちは主張する。 我々の理論的証拠は、有限計算モデルでは、エンタープライズタスクに必要な知識を十分に把握できないことを示している。 これに基づいて、決定論的企業において、言語モデルは主に構造化抽出に使用されるべきだという立場を取ります。
  論文  参考訳（メタデータ） (2026-05-10T06:29:34Z)
• A Comprehensive Survey on Agent Skills: Taxonomy, Techniques, and Applications [18.01291032624805]
  大きな言語モデル(LLM)ベースのエージェントは、複雑なタスクを自動化するための有望なパラダイムとして、ツール、メモリ、構造化された相互作用を推論し、計画し、行動する。 しかし、エージェントがオープンエンドの現実世界のデプロイメントに向かっていくにつれ、すべてのタスクに対するオフスクラッチ推論と低レベルのツールコールが、ますます非効率になり、エラーが発生し、メンテナンスが困難になる。 本研究は,タスク固有の制約の下で,ツール,メモリ,ランタイムコンテキストを協調する再利用可能な手続き的アーティファクトとして定義する。
  論文  参考訳（メタデータ） (2026-05-08T07:10:26Z)
• The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration [58.61149924275458]
  ツールの使用により、大きな言語モデルが外部情報にアクセスし、ソフトウェアシステムを実行し、モデルパラメータだけで解決できるもの以外のデジタル環境で動作することができる。 エージェントシステムが進化するにつれて、中央の問題は、中途半端な状態、実行フィードバック、環境の変化、安全性、コスト、検証可能性といった実践的な制約によって、孤立呼び出しからマルチツールオーケストレーションへと移行した。 推論時の計画と実行、トレーニングと軌道構築、安全と制御、リソース制約下での効率性、オープン環境における能力の完全性、およびベンチマーク設計と評価の6つの分野に関する文献を整理する。
  論文  参考訳（メタデータ） (2026-03-24T07:05:05Z)
• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• AI Agent Systems: Architectures, Applications, and Evaluation [4.967019713320407]
  AIエージェントは、基礎モデルと推論、計画、メモリ、ツールの使用を組み合わせる。 先行作業は、エージェントコンポーネントにまたがる統一された分類にまとめます。 レイテンシ対精度、自律性対可制御性、能力対信頼性といった重要な設計トレードオフについて論じます。
  論文  参考訳（メタデータ） (2026-01-05T02:38:40Z)
• Architectures for Building Agentic AI [0.0]
  この章は、エージェント的および生成的AIの信頼性は、主にアーキテクチャ上の特性であると主張している。 古典的基盤を基盤として,実践的な分類ツール利用エージェント,メモリ拡張エージェント,計画・自己改善エージェント,マルチエージェントシステム,具体化・ウェブエージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-10T09:28:40Z)
• State and Memory is All You Need for Robust and Reliable AI Agents [29.259008600842517]
  大規模言語モデル(LLM)は、自然言語の理解と生成において強力な進歩を実現している。 しかし、複雑な現実世界の科学への応用は、記憶、計画、ツール統合の課題によって制限されている。 本稿では、LLMベースのエージェントが自律的に計画し、推論し、堅牢で信頼性の高いドメイン固有タスク実行を実現することができるモジュール型エージェントフレームワークであるSciBORGを紹介する。
  論文  参考訳（メタデータ） (2025-06-30T02:02:35Z)
• 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)

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。