論文の概要: HODAgent: Towards On-Demand, Responsive Humanoids for Physical World Human Interaction
- arxiv url: http://arxiv.org/abs/2608.17584v2
- Date: Thu, 20 Aug 2026 04:11:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 14:00:35.465482
- Title: HODAgent: Towards On-Demand, Responsive Humanoids for Physical World Human Interaction
- Title（参考訳）: HODAgent:物理世界ヒューマンインタラクションのためのオン・デマンド・レスポンシブ・ヒューマノイドを目指して
- Abstract要約: HODAgent(ホダジェント)は、ヒューマノイドロボットのためのシステム2エージェントである。
共有インターフェースはシミュレーションと物理ロボットを接続する。
その結果,システム2エージェントはシミュレーションと現実をまたいだ適応型ヒューマノイドサービスを実現することができた。
- 参考スコア（独自算出の注目度）: 18.76628104467029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose HODAgent, a System-2 embodied agent for humanoid robots in service settings, addressing situated intent, responsive execution, task revision, and outcome verification. Its semi-duplex architecture integrates an Env-Interactor, Planner, Executor, and hierarchical Memory to maintain coherent interaction, planning, and task state during service episodes. This allows handling new requests during motion, retaining progress, revising actions, and grounding closure in execution outcomes. A shared interface connects simulation and physical robots (Unitree G1), isolating platform-specific control. In an interactive simulation with 164 cases, HODAgent achieves 84.8% and 91.5% Joint Success under two VLM backbones, outperforming baselines by 9.8 and 18.9 points. On physical robots, pass rates are 92% (atomic), 72% (composite), and 63.3% (complete tasks). On multiple embodied benchmarks, it improves over baselines by 0.7-9.0 points. Results show a unified System-2 agent enables adaptive humanoid service across simulation and reality.
- Abstract（参考訳）: サービス設定におけるヒューマノイドロボットのためのシステム2エンボディエージェントであるHODAgentを提案する。
半二重アーキテクチャはEnv-Interactor、Planner、Executor、階層メモリを統合し、サービスエピソード中の一貫性のあるインタラクション、計画、タスク状態を維持する。
これにより、動作中の新しいリクエストの処理、進捗の維持、アクションの修正、実行結果の停止が可能である。
共有インターフェースはシミュレーションと物理ロボット(Unitree G1)を接続し、プラットフォーム固有の制御を分離する。
164例のインタラクティブなシミュレーションでは、HODAgentは2つのVLMバックボーンの下で84.8%と91.5%のジョイント・サクセスを達成し、ベースラインを9.8と18.9ポイント上回った。
物理ロボットでは、パスレートは92%(原子)、72%(合成)、63.3%(完全タスク)である。
複数の実施ベンチマークでは、ベースラインを0.7-9.0ポイント改善している。
その結果,システム2エージェントはシミュレーションと現実をまたいだ適応型ヒューマノイドサービスを実現することができた。
関連論文リスト
- PersonaForge: Realistic Multi-Turn User Simulation for Agentic Systems [53.65117408512214]
我々は,現実的なマルチターンユーザ-エージェントインタラクションを合成するユーザシミュレーションフレームワークであるtextbfPersonaForgeを紹介した。
PersonaForgeを使って、6.3Kレコードのトレーニングデータセットと、手動で注釈付き138タスクベンチマークである textbfPersonaForge-Benchを構築します。
実験の結果、PersonaForgeのトレーニングでは、合成スコアが+4.1%向上し、4次元すべてで利得が得られた。
論文 参考訳（メタデータ） (2026-08-28T14:33:19Z) - Riemann-1.0: An Embodied World Action Model for Physical AI [17.136136265925682]
我々は,完全な因果的自己回帰的世界行動モデルを導入し,インテリジェンスを具現化する。
Rickel-1.0は、オンラインロボットポリシーの実行と行動条件付き世界シミュレーションを単一のモデルで統合する。
我々は,エゴセントリックな人間ビデオ,ハンドヘルド・グリッパー・デモ,異種ロボット軌道からの学習を統一する,プログレッシブな具体的事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-08-27T12:21:26Z) - Hydra-0: Action Flow for Generalist World Modeling and Control [64.88849745875753]
Hydra-0はアクションフローを条件とした世界モデルであり、ロボットの動きをピクセルの動きとして表現している。
我々の最良の構成は、90.4%のロボットモーションエラー、60.2%のオブジェクトモーションエラーを達成する。
訓練されたアクションヘッドは、タスク固有の専門家ロボットのデモンストレーションを必要とせずに、得られた潜在機能を実行可能なアクションにマッピングする。
論文 参考訳（メタデータ） (2026-08-18T17:59:30Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - An Intelligent-Cloud Edge Multimodal Interaction System for Robots [4.1212219465063304]
本稿では,拡張YOLOに基づくジェスチャー検出と,協調型大言語モデル(LLM)と視覚言語モデル(VLM)エージェントを統合したクラウドエッジマルチモーダルインタラクションフレームワークを提案する。
クラウド層はジェスチャー検出、シーン理解、マルチモーダル融合、アクション計画を実行する一方、TonyPiロボットはデータ取得、通信、アクション実行、フィードバックをローカルに処理する。
論文 参考訳（メタデータ） (2026-07-16T07:39:18Z) - ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory [43.813389494890856]
ABot-AgentOSは、低レベルコントローラの上に位置する一般的なロボットエージェントオペレーティングシステムである。
シーンコンディショニング、コンテキストアイソレーションされたスキル実行、マルチステージ検証、マルチモーダルメモリ、エッジクラウドコラボレーションのためのデリバティブなエージェント層を提供する。
論文 参考訳（メタデータ） (2026-07-11T15:24:43Z) - ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI [110.18670135256235]
Embodied AIは、独立した知覚やアクションモジュールから、目標を理解し、計画し、進捗を監視し、経験から改善する物理的なエージェントへと移行している。
ACE-Brain-0.5は,ロボットの知性を5つの結合関数にまとめる統一的な基礎モデルである。
単一の8Bバックボーンは、最初の4つの機能をインスタンス化する: オブジェクトとアベイランスを接地し、3Dとエゴセントリックな空間関係を推論し、命令をサブゴールに分解し、ナビゲーションと操作アクションを生成し、検証と回復の進捗を推定する。
論文 参考訳（メタデータ） (2026-07-05T17:43:06Z) - EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。
EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。
ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
論文 参考訳（メタデータ） (2026-05-11T00:04:19Z) - Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace [7.44764987825646]
仮想モデル制御(VMC)に基づく人ロボット協調のための分散型エージェント非依存・安全対応制御フレームワークを提案する。
最大2つのロボットと2つの人間との安全なコラボレーションを実証し、シミュレーションでは最大4つのロボットをシミュレーションし、エージェント間の分離を約20cmに維持する。
その結果, ロボットの動作を直感的に制御パラメータを調整し, 全てのテストシナリオにおいて, チームサイズ全体にわたるデッドロックフリー動作を実現することができた。
論文 参考訳（メタデータ） (2026-02-19T14:45:10Z) - InternVLA-M1: A Spatially Guided Vision-Language-Action Framework for Generalist Robot Policy [138.89177083578213]
空間接地とロボット制御のための統合フレームワークであるInternVLA-M1を紹介する。
InternVLA-M1は、(i)2.3M以上の空間的推論データに基づく空間的グラウンドトレーニングと(ii)空間的に誘導された後トレーニングという、2段階のパイプラインを使用する。
結果: InternVLA-M1 は SimplerEnv Google Robot で+14.6%、WidowX で+17%、LIBERO Franka で+4.3% で、空間誘導なしでその変種を上回った。
論文 参考訳（メタデータ） (2025-10-15T17:30:05Z) - MUG: Interactive Multimodal Grounding on User Interfaces [12.035123646959669]
本稿では,ユーザとエージェントがインタフェース画面上で協調作業を行うマルチモーダルグラウンドのための対話型タスクMUGを提案する。
ユーザがコマンドを与え、エージェントがコマンドに応答する。MUGはエージェントの応答を見る際に、エージェントがそのアクションを洗練または修正するための追加コマンドを与えるように、複数のラウンドのインタラクションを可能にする。
論文 参考訳（メタデータ） (2022-09-29T21:08:18Z)
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。