論文の概要: ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots

• arxiv url: http://arxiv.org/abs/2608.23320v1
• Date: Mon, 24 Aug 2026 14:36:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.155173
• Title: ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots
• Title（参考訳）: ROS2SmolVLA:産業用軽量ロボットへの小型ビジョンランゲージ・アクションモデルの導入
• Abstract要約: VLA(Vision-Language-Action)モデルは、この課題を緩和する有望な機会である。 本研究では,Hugging FaceのSmolVLAを軽量ロボットに適用する。 ROS 2 から SmolVLA へのインタフェースを実装したオープンソースリポジトリ ROS2SmolVLA をリリースする。
• 参考スコア（独自算出の注目度）: 0.8272083537040181
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Industrial demand changes the paradigms of production. Due to smaller batch sizes and more variations in products, companies face a growing challenge to adopt more adaptive production systems. In particular, robot-based automation is usually static and fails to respond to constantly changing processes. Vision-Language-Action (VLA) Models are a promising opportunity to mitigate this challenge by generating robot actions based on the observed system state. However, current research either focuses on large models that cannot be computed on premise, creating compliance and security challenges, or use lab-grade robot hardware that obscures exploitation in real industrial settings. In this work, we adapt Hugging Face's SmolVLA for Universal Robots lightweight robots. Further, we release the open-source repository ROS2SmolVLA that implements an interface for ROS 2 to SmolVLA, and makes it applicable for industrial-grade hardware. By this, we allow a lenient adoption into lab and industrial environments. We validate the functionality of SmolVLA for a Universal Robots UR10e using a pick-and-place task and give implementation guidelines. Our findings support that SmolVLA is a well-suited option for small-sized tasks that need to be computed on premise.
• Abstract（参考訳）: 工業需要は生産のパラダイムを変える。 バッチサイズが小さく、製品のバリエーションが多ければ多いため、企業はより適応的なプロダクションシステムを採用するという課題に直面している。 特に、ロボットベースの自動化は通常静的であり、常に変化するプロセスに対応できない。 VLA(Vision-Language-Action)モデルは、観測されたシステム状態に基づいてロボットアクションを生成することで、この課題を軽減するための有望な機会である。 しかし、現在の研究は、前提で計算できない大規模なモデルに焦点を当て、コンプライアンスとセキュリティの課題を創り出すか、あるいは実際の産業環境での搾取を隠蔽するラボグレードのロボットハードウェアを使用するかのどちらかである。 本研究では,Hugging FaceのSmolVLAを軽量ロボットに適用する。 さらに,ROS 2 から SmolVLA へのインタフェースを実装したオープンソースリポジトリ ROS2SmolVLA をリリースし,産業用ハードウェアに適用する。 これにより、実験室や産業環境への寛大な採用が可能になる。 汎用ロボットUR10eにおけるSmolVLAの機能について,ピック・アンド・プレイス・タスクを用いて検証し,実装ガイドラインを提示する。 我々の発見は、SmolVLAが前提で計算する必要がある小さなタスクに適した選択肢であることを裏付ける。

関連論文リスト

• Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models [44.55124556245543]
  LLMデザイナのための構造化フィードバックにシミュレータオブザーバ物理状態を変換することで閉ループを確立する多層フレームワーク AID-SR を提案する。 我々は,手を伸ばし,つかみ,移動し,操作する14のタスクのベンチマークにおいて,腱駆動型連続ロボットに対するアプローチを評価した。 AID-SRの3つの設計されたロボットを製作し、実世界でそのタスクを完了させた。
  論文  参考訳（メタデータ） (2026-09-08T04:02:59Z)
• Multi-Agent Robotic Control with Onboard Vision-Language Models [38.78172334790013]
  ビジョン言語モデル(VLM)とビジョン言語アクション(VLA)モデルは、ロボット制御において有望であることを示している。 説明可能性、一般化、計算要求に関する重大な課題に直面している。 本稿では,ハードウェア上に特殊なエージェントを配置することで,これらの制約に対処するマルチエージェントシステム(MAS)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-07-08T13:37:31Z)
• RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
  視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。 大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2026-01-02T12:47:34Z)
• HiMoE-VLA: Hierarchical Mixture-of-Experts for Generalist Vision-Language-Action Policies [83.41714103649751]
  具体的インテリジェンスモデルの開発は、高品質なロボットのデモデータへのアクセスに依存する。 異種多種多様なロボットデータを扱うための視覚言語アクションフレームワークであるHiMoE-VLAを提案する。 HiMoE-VLAは既存のVLAベースラインよりも一貫したパフォーマンス向上を示し、高い精度と堅牢な一般化を実現している。
  論文  参考訳（メタデータ） (2025-12-05T13:21:05Z)
• One For All: LLM-based Heterogeneous Mission Planning in Precision Agriculture [2.9440788521375585]
  我々は、非特殊主義者が異種ロボットを制御できる自然言語(NL)ロボットミッションプランナーを提案する。 我々のアーキテクチャは、人間の言語をさまざまなロボットプラットフォームで実行可能な中間記述にシームレスに翻訳します。 この研究は、精密農業におけるロボットの自動化を非技術ユーザーにとってよりアクセスしやすいものにするための重要なステップである。
  論文  参考訳（メタデータ） (2025-06-11T18:45:44Z)
• SmolVLA: A Vision-Language-Action Model for Affordable and Efficient Robotics [37.82471658370026]
  視覚言語モデル(VLM)は、豊富な視覚的および言語的知識を符号化した大規模マルチモーダルデータセットで事前訓練された。 SmolVLAは、トレーニングと推論の両方のコストを大幅に削減する、小さく、効率的で、コミュニティ主導のVLAである。
  論文  参考訳（メタデータ） (2025-06-02T16:30:19Z)
• DeeR-VLA: Dynamic Inference of Multimodal Large Language Models for Efficient Robot Execution [114.61347672265076]
  実世界のロボットのためのMLLMの開発は、ロボットプラットフォームで利用可能な計算能力とメモリ容量が典型的に限られているため、難しい。 活性化MLLMのサイズを自動的に調整するロボットビジョンランゲージ・アクション・モデル(DeeR)の動的早期実行フレームワークを提案する。 DeeR は LLM の計算コストを 5.2-6.5x に削減し、GPU のメモリを 2-6x に削減した。
  論文  参考訳（メタデータ） (2024-11-04T18:26:08Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Prompt a Robot to Walk with Large Language Models [18.214609570837403]
  巨大な言語モデル(LLM)は、大規模なインターネットスケールのデータで事前訓練されている。 物理的環境から収集した数発のプロンプトを使用する新しいパラダイムを導入する。 様々なロボットと環境をまたいだ実験により、我々の手法がロボットに歩行を効果的に促すことが検証された。
  論文  参考訳（メタデータ） (2023-09-18T17:50:17Z)
• Tiny Robot Learning: Challenges and Directions for Machine Learning in Resource-Constrained Robots [57.27442333662654]
  機械学習(ML)は、コンピュータシステムにまたがる普及したツールとなっている。 ティニー・ロボット・ラーニング(Tiny Robot Learning)とは、リソースに制約された低コストの自律ロボットにMLを配置する手法である。 小型ロボット学習は、サイズ、重量、面積、パワー(SWAP)の制約によって困難にさらされる。 本稿では,小型ロボットの学習空間を簡潔に調査し,重要な課題を詳述し,MLシステム設計における将来的な仕事の機会を提案する。
  論文  参考訳（メタデータ） (2022-05-11T19:36:15Z)

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。