論文の概要: Brain-Language-Action (BLA) Models: Language-Conditioned EEG for Robotics Control

• arxiv url: http://arxiv.org/abs/2608.28967v1
• Date: Sat, 29 Aug 2026 00:37:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.796926
• Title: Brain-Language-Action (BLA) Models: Language-Conditioned EEG for Robotics Control
• Title（参考訳）: Brain-Language-Action(BLA:Brain-Language-Action)モデル:ロボット制御のための言語依存脳波
• Abstract要約: 本稿では,ロボット行動生成のためのニューラル表現の解釈を言語条件で記述するBrain-Language-Actionモデルを紹介する。 BLAでは、言語定義制御マッピングを通じて、確実に区別可能な脳状態の小さなセットを、異なるアクションに動的に関連付けることができる。 我々は,BCIコンペティションIV2aデータセットから,運動画像脳波を用いたドローン制御のための概念実証BLAを開発した。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalography (EEG)-based robotic control is commonly formulated as a direct classification problem, in which electrical neural signals are mapped to a fixed set of discrete actions. However, the limited separability and high noise of EEG signals make it difficult to scale this approach to fine-grained robotic control spaces. We introduce Brain-Language-Action (BLA) models, a framework in which language conditions the interpretation of neural representations for robotic action generation. In a BLA, a small set of reliably distinguishable brain states can be dynamically associated with different actions through a language-defined control mapping, allowing a small number of neural classes to apply to a larger global action space. We develop a proof-of-concept BLA for drone control using motor-imagery EEG from the BCI Competition IV 2a dataset. The system is trained in two stages. First, we evaluate multiple candidate EEG encoder architectures using subject-specific four-class motor-imagery classification, converting 250Hz, 3.5-second, 22-channel EEG samples into five 128-dimensional brain-token embeddings. Second, these embeddings are projected into the embedding space of a pretrained large language model (LLM) and jointly fine-tuned with language instructions to autoregressively generate structured three-token drone actions. Across 840 possible language-defined mappings between four neural states and seven flight action combinations, the resulting BLA achieves 90% per-token accuracy during evaluation. These results provide an initial demonstration that language conditioning can expand the effective control range of EEG-based robotic interfaces without requiring a corresponding increase in the number of directly distinguishable neural states.
• Abstract（参考訳）: 電気脳波(EEG)に基づくロボット制御は、電気神経信号を固定された個別の行動にマッピングする直接分類問題として一般的に定式化されている。 しかし,脳波信号の分離性やノイズが限られているため,この手法を微細なロボット制御空間に拡張することは困難である。 本稿では,ロボット行動生成のためのニューラル表現の解釈を言語条件で記述するフレームワークであるBrain-Language-Action(BLA)モデルを紹介する。 BLAでは、言語定義の制御マッピングを通じて、確実に区別可能な脳状態の小さなセットを動的に異なるアクションに関連付けることができ、少数のニューラルクラスがより大きなグローバルなアクション空間に適用できる。 我々は,BCIコンペティションIV2aデータセットから,運動画像脳波を用いたドローン制御のための概念実証BLAを開発した。 システムは2段階に分けて訓練される。 まず,250Hz,3.5秒,22チャンネルの脳波サンプルを5つの128次元脳波埋め込みに変換し,被験者固有の4クラスモーター画像分類を用いて複数の脳波エンコーダアーキテクチャを評価する。 第二に、これらの埋め込みは、事前訓練された大型言語モデル(LLM)の埋め込み空間に投影され、構造化された3段階のドローンアクションを自動回帰的に生成する言語命令と共に微調整される。 840以上の言語定義による4つのニューラルステートと7つのフライトアクションの組み合わせ間のマッピングが可能であり、その結果、BLAは評価中に90%の精度を達成する。 これらの結果は、言語条件付けが直接識別可能な神経状態の数の増加を必要とせずに、脳波ベースのロボットインタフェースの効果的な制御範囲を拡大できるという最初のデモンストレーションを提供する。

関連論文リスト

• SENSE: Efficient EEG-to-Text via Privacy-Preserving Semantic Retrieval [6.012652594597545]
  脳活動を自然言語にデコードすることは、補助コミュニケーション、ニューロテクノロジー、人間とコンピュータの相互作用に重要な応用を持つAIにおける大きな課題である。 既存のBrain-Computer Interface (BCI) のアプローチは、Large Language Models (LLM) やエンコーダ-デコーダモデルのメモリ集約的な微調整に依存している。 我々は,非侵襲脳波(EEG)をLLM微調整なしでテキストに変換する軽量でプライバシー保護のフレームワークであるSENSEを紹介する。
  論文  参考訳（メタデータ） (2026-03-17T19:59:41Z)
• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• A Brain Wave Encodes a Thousand Tokens: Modeling Inter-Cortical Neural Interactions for Effective EEG-based Emotion Recognition [0.41998444721319217]
  本稿では,潜時空間における脳の皮質間神経力学をモデル化するTransformerベースのニューラルネットワークアーキテクチャであるRBTransformerを提案する。 本研究は,SEED,DEAP,DREAMERデータセットを用いて,特に主観的設定下で広範囲にわたる実験を行った。 その結果,提案したRBTransformerは,従来の最先端手法を3つのデータセットすべてで上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-11-17T22:27:12Z)
• BrainLLM: Generative Language Decoding from Brain Recordings [77.66707255697706]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• BELT:Bootstrapping Electroencephalography-to-Language Decoding and Zero-Shot Sentiment Classification by Natural Language Supervision [31.382825932199935]
  提案手法は,脳波表現学習をブートストラップする汎用的で効率的なフレームワークである。 意味情報とゼロショットの一般化を理解するための大きなLM能力により、BELTはインターネットスケールのデータセットで訓練された大規模なLMを使用する。 脳から言語への翻訳やゼロショット感情分類を含む2つの特徴ある脳復号タスクについて、最先端の成果を得た。
  論文  参考訳（メタデータ） (2023-09-21T13:24:01Z)
• RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control [140.48218261864153]
  本研究では,インターネット規模のデータに基づいて学習した視覚言語モデルを,エンドツーエンドのロボット制御に直接組み込む方法について検討する。 提案手法は,インターネット規模のトレーニングから,RT-2による創発的能力の獲得を可能にした。
  論文  参考訳（メタデータ） (2023-07-28T21:18:02Z)
• LAMASSU: Streaming Language-Agnostic Multilingual Speech Recognition and Translation Using Neural Transducers [71.76680102779765]
  自動音声認識(ASR)と音声翻訳(ST)はどちらもモデル構造としてニューラルトランスデューサを使用することができる。 ニューラルトランスデューサを用いた多言語音声認識および翻訳モデルであるLAMASSUを提案する。
  論文  参考訳（メタデータ） (2022-11-05T04:03:55Z)
• Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification [78.120927891455]
  最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。 本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。 脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2021-12-05T21:57:22Z)
• End-to-end translation of human neural activity to speech with a dual-dual generative adversarial network [39.014888541156296]
  人間の神経活動を直接音声に翻訳するエンド・ツー・エンドモデルを提案する。 参加者の注意を引くための新しい脳波データセット(EEG)を作成します。 提案手法は,ニューラルアクティビティの単語長と文長のシーケンスを音声に翻訳する。
  論文  参考訳（メタデータ） (2021-10-13T10:54:41Z)

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。