Fugu-MT 論文翻訳(概要): State-of-the-Art in Learning-by-Demonstration with Passive Observation for Industrial Assembly Automation

論文の概要: State-of-the-Art in Learning-by-Demonstration with Passive Observation for Industrial Assembly Automation

arxiv url: http://arxiv.org/abs/2609.07165v1
Date: Mon, 07 Sep 2026 07:58:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-12 01:17:33.746635
Title: State-of-the-Art in Learning-by-Demonstration with Passive Observation for Industrial Assembly Automation
Title（参考訳）: 産業集積自動化のための受動観察による実演学習の現状と課題
Abstract要約: LbD(Learning-by-Demonstration)は、専門家のスキルを捉えることで、直感的なロボットプログラミングを可能にする。本稿では,産業組立プロセスにおける受動LbDの分析を行う。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Learning-by-Demonstration (LbD) enables intuitive robot programming by capturing expert skills, which is crucial for agility in high-mix, low- volume manufacturing. This systematic literature review analyzes passive LbD for industrial assembly processes, focusing on the perception architecture and the generalization of the perceived demonstration. We specifically investigate one-shot approaches where only a single demonstration is required. The review evaluates how systems adapt to new assemblies using this limited data. We identify a shift towards object-centric perception, allowing learned primitives to be transferred to new product variants with minimal training.
Abstract（参考訳）: LbD(Learning-by-Demonstration)は、ハイミックス、低ボリューム製造においてアジリティに欠かせない専門家のスキルを捉えることで、直感的なロボットプログラミングを可能にする。本稿では,産業組立プロセスにおける受動的LbDの分析を行い,認識アーキテクチャと認識実証の一般化に着目した。 1つのデモのみが必要なワンショットアプローチを特に検討する。レビューでは、この制限されたデータを用いて、システムが新しいアセンブリにどのように適応するかを評価する。私たちは、学習したプリミティブを最小限のトレーニングで新しい製品に移行できるように、オブジェクト中心の知覚へのシフトを特定します。

関連論文リスト

Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文参考訳（メタデータ） (2026-01-29T23:48:43Z)
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning [67.72413262980272]
事前訓練された視覚モデル(PVM)は現代のロボティクスの基本であるが、その最適構成は定かではない。セマンティック・ボトルネックを導入してオブジェクト中心の表現を誘導する手法であるSlotMIMを開発した。提案手法は,画像認識,シーン理解,ロボット学習評価において,従来の作業よりも大幅に改善されている。
論文参考訳（メタデータ） (2025-03-10T06:18:31Z)
Subtask-Aware Visual Reward Learning from Segmented Demonstrations [97.80917991633248]
本稿では,新しい報酬学習フレームワークであるReward Learning from Demonstration with Demonstrationsを紹介する。我々は,映像セグメントとそれに対応するサブタスクに条件付けされた高密度報酬関数を訓練し,地道報酬信号との整合性を確保する。実験の結果,REDSはメタワールドにおける複雑なロボット操作タスクのベースライン手法よりも優れていた。
論文参考訳（メタデータ） (2025-02-28T01:25:37Z)
Dynamic Non-Prehensile Object Transport via Model-Predictive Reinforcement Learning [24.079032278280447]
バッチ強化学習(RL)とモデル予測制御(MPC)を組み合わせたアプローチを提案する。提案手法は,ロボットウェイタータスクを実行するFranka Pandaロボットのシミュレーションおよび実世界実験により検証される。
論文参考訳（メタデータ） (2024-11-27T03:33:42Z)
Learn while Unlearn: An Iterative Unlearning Framework for Generative Language Models [52.40798352740857]
3つのコアコンポーネントで構成されるICU(Iterative Contrastive Unlearning)フレームワークを紹介する。知識未学習誘導モジュールは、未学習の損失を使用して、特定の知識を除去するためにターゲットとする。 Contrastive Learning Enhancementモジュールは、純粋な未学習の目標に対してモデルの表現力を保持する。イテレーティブ・アンラーニング・リファインメントモジュールは、進行中の評価と更新を通じて、アンラーニングプロセスを動的に調整する。
論文参考訳（メタデータ） (2024-07-25T07:09:35Z)
Towards Automated Knowledge Integration From Human-Interpretable Representations [55.2480439325792]
我々は,情報メタ学習の原理を理論的に導入・動機付けし,自動的かつ制御可能な帰納バイアス選択を可能にする。データ効率と一般化を改善するための情報メタラーニングのメリットと限界を実証的に示す。
論文参考訳（メタデータ） (2024-02-25T15:08:37Z)
A Review of Machine Learning Methods Applied to Video Analysis Systems [3.518774226658318]
本稿では,ビデオ解析のための機械学習技術の開発について調査する。本稿では,ビデオ分析における自己教師型学習,半教師型学習,アクティブ学習,ゼロショット学習の開発の概要について述べる。
論文参考訳（メタデータ） (2023-12-08T20:24:03Z)
Proving the Potential of Skeleton Based Action Recognition to Automate the Analysis of Manual Processes [0.0]
本研究は、ビデオストリームに基づいて、手動組立プロセスにおける現在の動作クラスを検出する。現在の動きに関する情報により、KPI(Key-Performance-Indicators)を容易に導出できる。この分野では最近、機械ビジョンタスクで大きな成功を収めている。 MLパイプラインを開発し、異なる(事前)処理方法とニューラルネットの広範な研究を可能にする。
論文参考訳（メタデータ） (2023-10-12T16:11:13Z)
Iterative Forward Tuning Boosts In-Context Learning in Language Models [88.25013390669845]
本研究では,大規模言語モデル(LLM)における文脈内学習を促進する新しい2段階フレームワークを提案する。具体的には、当社のフレームワークでは、ICLプロセスをDeep-ThinkingとTest Stageの2つの別々のステージに分類しています。ディープシンキング段階にはユニークな注意機構、すなわち反復的な注意強化機構が組み込まれており、複数の情報の蓄積を可能にしている。
論文参考訳（メタデータ） (2023-05-22T13:18:17Z)
Few-Cost Salient Object Detection with Adversarial-Paced Learning [95.0220555274653]
本稿では,少数のトレーニング画像にのみ手動アノテーションを応用して,効果的なサルエント物体検出モデルを学習することを提案する。我々は,このタスクを,少額の有能な物体検出とみなし,少数のコストの学習シナリオを促進するために,APL(Adversarialpaced Learning)ベースのフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-05T14:15:49Z)
Machine Learning based Indicators to Enhance Process Monitoring by Pattern Recognition [0.4893345190925177]
パターンタイプと強度を組み合わせた機械学習に基づく指標のための新しいフレームワークを提案する。半導体産業のケーススタディでは,従来のプロセス制御を越え,高品質な実験結果を得る。
論文参考訳（メタデータ） (2021-03-24T10:13:20Z)
Soft Expert Reward Learning for Vision-and-Language Navigation [94.86954695912125]
VLN(Vision-and-Language Navigation)は、エージェントが自然言語の指示に従うことで、目に見えない環境で特定の場所を見つける必要がある。本稿では,VLNタスクの工学的設計と一般化問題を克服するために,ソフトエキスパート・リワード・ラーニング(SERL)モデルを導入する。
論文参考訳（メタデータ） (2020-07-21T14:17:36Z)

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。