論文の概要: Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation
- arxiv url: http://arxiv.org/abs/2608.07154v1
- Date: Fri, 07 Aug 2026 12:19:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.493771
- Title: Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation
- Title（参考訳）: OpenArmベースのモバイル操作のための表現ハンドオフ
- Abstract要約: 本報告では,実験室型タスクのためのOpenArmベースのモバイル操作プロトタイプを提案する。
デュアルOpenArmマニピュレータをモバイルベース、垂直スライド、RGB-Dセンシング、ライダーベースのマッピング、ROS2/MoveItの実行、プロファイル定義スキルインターフェースと統合して構築されている。
プロトタイプは、キャリブレーションの欠如、不完全なオブジェクトアセット、そして明示的なデプロイメントブロッカーとしての未完成のビジュアルグラウンドをいかに公開するかを示す。
- 参考スコア（独自算出の注目度）: 39.9928148956981
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-source robotics and foundation models have lowered the barrier to embodied AI, yet language-guided laboratory automation still requires reliable alignment from instructions and observations to safe actions. This field report presents an OpenArm-based mobile manipulation prototype for laboratory-style tasks, built by integrating dual OpenArm manipulators with a mobile base, vertical slide, RGB-D sensing, lidar-based mapping, ROS2/MoveIt execution, and profile-defined skill interfaces. The system is organized around representation handoffs: natural language requests are constrained into registered skill calls, sensor observations are grounded into maps and object poses, object priors provide role and skill constraints, and runtime bindings compile validated skills into executable motion goals. We use dry-run traces and startup checks to evaluate this integration path, showing how the prototype exposes missing calibration, incomplete object assets, and unfinished real-scene visual grounding as explicit deployment blockers. These intermediate representations serve as practical debugging interfaces for integrating language, perception, planning, and robot safety in embodied systems.
- Abstract（参考訳）: オープンソースのロボティクスとファンデーションモデルは、AIを具現化するための障壁を下げてきたが、言語で指導された実験室の自動化には依然として、指示や観察から安全な行動まで、信頼できる調整が必要である。
本報告では,2台のOpenArmマニピュレータをモバイルベース,垂直スライド,RGB-Dセンシング,ライダーベースマッピング,ROS2/MoveIt実行,プロファイル定義スキルインターフェースと統合して構築した,実験室型タスクのためのOpenArmベースのモバイル操作プロトタイプを提案する。
自然言語要求は登録されたスキルコールに制限され、センサーの観察はマップとオブジェクトのポーズに、オブジェクトの事前は役割とスキルの制約を提供し、実行時バインディングは検証済みのスキルを実行可能な動作目標にコンパイルする。
私たちは、この統合パスを評価するために、ドライラントレースとスタートアップチェックを使用し、プロトタイプがキャリブレーションの欠如、不完全なオブジェクトアセット、そして明示的なデプロイメントブロッカーとして未完成のリアルタイムな視覚的グラウンドを公開する方法を示しています。
これらの中間表現は、組込みシステムにおける言語、知覚、計画、ロボットの安全性を統合するための実用的なデバッグインタフェースとして機能する。
関連論文リスト
- AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding [55.535374902204296]
AffordanceVLAは、タスク指向の中間表現として構造化された価格予測を導入する統一フレームワークである。
AffordanceVLAは様々な操作シナリオで高いパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2026-06-04T13:28:51Z) - AnyUser: Translating Sketched User Intent into Domestic Robots [21.747127540075756]
カメラ画像のフリーフォームスケッチによる直感的な家庭内タスク指導のための統合型ロボットインストラクションシステムであるAnyUserを紹介した。
AnyUserはマルチモーダル入力(スケッチ、ビジョン、言語)を空間意味プリミティブとして解釈し、実行可能なロボットアクションを生成する。
論文 参考訳（メタデータ） (2026-04-06T16:16:00Z) - Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories [0.4899818550820576]
本稿では,適応的かつ適合的なロボット操作を実現するために,アプタンス制御を中心としたモーションプランニングフレームワークを提案する。
従来のスキームとは異なり、提案手法はアクセタンスコントローラを直接トラジェクトリ実行に統合する。
この能力により、人間の操作者はロボットの動きをリアルタイムでオーバーライドまたはリダイレクトすることができる。
論文 参考訳（メタデータ） (2026-01-29T13:29:56Z) - STORM: Slot-based Task-aware Object-centric Representation for robotic Manipulation [44.055446967139424]
STORMは軽量なオブジェクト中心適応モジュールで、ロボット操作のためのセマンティック・アウェアスロットで凍結した視覚基盤モデルを拡張する。
オブジェクト中心のスロットは、言語埋め込みを使った視覚-セマンティック事前訓練によって安定化され、下流操作ポリシーと共同で適応される。
実験によると、STORMは、凍結基盤モデル機能を直接使用したり、エンドツーエンドにオブジェクト中心の表現をトレーニングするよりも、視覚的障害への一般化を改善し、パフォーマンスを制御する。
論文 参考訳（メタデータ） (2026-01-28T08:46:04Z) - ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。
本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-12-31T13:10:40Z) - Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。
本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。
G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
論文 参考訳（メタデータ） (2025-10-09T09:08:33Z) - Improving Generalization of Language-Conditioned Robot Manipulation [29.405161073483175]
いくつかの実演からオブジェクトアレンジメントタスクを学習するフレームワークを提案する。
シミュレーション環境と実世界のロボット環境の両方において,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2025-08-04T13:29:26Z) - Polaris: Open-ended Interactive Robotic Manipulation via Syn2Real Visual Grounding and Large Language Models [53.22792173053473]
我々はPolarisという対話型ロボット操作フレームワークを紹介した。
ポラリスはGPT-4と接地された視覚モデルを利用して知覚と相互作用を統合する。
本稿では,Syn2Real(Synthetic-to-Real)ポーズ推定パイプラインを提案する。
論文 参考訳（メタデータ） (2024-08-15T06:40:38Z) - MOKA: Open-World Robotic Manipulation through Mark-Based Visual Prompting [97.52388851329667]
我々は,自由形式の言語命令で指定されたロボット操作タスクを解決するために,マーキングオープンワールドキーポイントアフォード(Moka)を導入する。
我々のアプローチの中心は、VLMの観測画像と物理世界におけるロボットの行動に関する予測を橋渡しする、コンパクトな点ベースの可測性表現である。
ツールの使用,変形可能な身体操作,オブジェクト再構成など,さまざまなテーブルトップ操作タスクにおけるMokaの性能評価と解析を行った。
論文 参考訳（メタデータ） (2024-03-05T18:08:45Z) - A System for Traded Control Teleoperation of Manipulation Tasks using
Intent Prediction from Hand Gestures [20.120263332724438]
本稿では,ロボットの知覚と手の動きからの意図予測を含む遠隔操作システムを提案する。
知覚モジュールは、ロボットワークスペースに存在するオブジェクトと、ユーザが把握したいと思われるオブジェクトの意図予測モジュールを識別する。
論文 参考訳（メタデータ） (2021-07-05T07:37:17Z)
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。