論文の概要: A Comprehensive Review of Generative Physical Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2609.18111v1
• Date: Wed, 16 Sep 2026 04:29:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.632995
• Title: A Comprehensive Review of Generative Physical Artificial Intelligence
• Title（参考訳）: 創発的物理人工知能の概観
• Abstract要約: 生成物理人工知能(GPAI)システムは、複雑な現実世界の状況において、自律的に知覚、理性、行動を行う。 このサーベイはGPAIシステムを包括的に分析し、アーキテクチャの基礎、現在のアプリケーション、そして重要な制限に注目します。
• 参考スコア（独自算出の注目度）: 46.03969844205958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of large-scale foundation models with physical embodiments has led to significant advancements in robotics known as Generative Physical Artificial Intelligence (GPAI). These agentic AI systems autonomously perceive, reason, and act in complex real-world situations. This survey comprehensively analyzes GPAI systems, focusing on their architectural foundations, current applications, and key limitations. We introduce a taxonomy of five distinct approaches: Robot Foundation Models (RFMs) for cross-platform skill transfer; Vision-Language Action (VLA) models for end-to-end multi-modal perception and control; Large Behavior Models (LBMs) for human-like movement generation; Diffusion Policy Models (DPMs) for diffusion model-based temporally coherent action generation; and World Foundation Models (WFMs) for physics-compliant simulation and data generation. We examine how these approaches complement each other: WFMs generate training data for VLAs and DPMs, RFMs enable cross-platform deployment of learned policies, while LBMs provide motion priors for natural behavior. Through examples across autonomous vehicles, industrial automation, healthcare robotics, and humanoid systems, we identify significant performance improvements and summarize promising research directions in data-efficient learning, sim-to-real transfer, edge-compatible architectures, and safety frameworks. These insights advance embodied AI for IoT-connected environments where intelligent agents interact with networked sensors, actuators, and edge devices.
• Abstract（参考訳）: 大規模基盤モデルと物理エンボディメントの統合は、GPAI(Generative Physical Artificial Intelligence)として知られるロボット工学の進歩に繋がった。 これらのエージェントAIシステムは、複雑な現実世界の状況において、自律的に知覚、理性、行動する。 このサーベイはGPAIシステムを包括的に分析し、アーキテクチャの基礎、現在のアプリケーション、そして重要な制限に注目します。 本稿では,ロボット基礎モデル (RFM) とビジョン・ランゲージ・アクション (VLA) とエンドツーエンドのマルチモーダル認識・制御モデル (LBM) と,人型運動生成モデル (LBM) と,拡散モデルに基づく時間的コヒーレントな行動生成モデル (DPM) と,物理に準拠したシミュレーションとデータ生成のための世界基礎モデル (WFM) の5つの異なるアプローチを紹介する。 WFMはVLAとDPMのトレーニングデータを生成し、RAMは学習ポリシーのクロスプラットフォーム展開を可能にし、LSMは自然行動の動作先を提供する。 自動運転車、産業自動化、ヘルスケアロボティクス、ヒューマノイドシステムの実例を通して、データ効率の学習、シミュレートから現実への移行、エッジ互換アーキテクチャ、安全フレームワークにおける有望な研究の方向性を要約し、大幅なパフォーマンス改善を特定します。 これらの洞察は、インテリジェントエージェントがネットワーク化されたセンサー、アクチュエータ、エッジデバイスと相互作用するIoT接続環境のための、具体化されたAIを前進させる。

関連論文リスト

• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Vision-and-Language Navigation for UAVs: Progress, Challenges, and a Research Roadmap [10.048113624715151]
  UAV-VLN (Vision-and-Language Navigation for Unmanned Aerial Vehicles) は、人工知能において重要な課題である。 本稿では,その形式的タスク定義から現状まで,その分野を包括的かつ構造化した調査を行う。
  論文  参考訳（メタデータ） (2026-04-15T09:20:02Z)
• Towards Embodied Agentic AI: Review and Classification of LLM- and VLM-Driven Robot Autonomy and Interaction [0.4786416643636131]
  大規模言語モデル(LLM)や視覚言語モデル(VLM)を含む基礎モデルは、ロボットの自律性とヒューマンロボットインタフェースに対する新しいアプローチを実現した。 並行して、視覚言語行動モデル(VLA)や大型行動モデル(LBM)は、ロボットシステムのデクスタリティと能力を高めている。
  論文  参考訳（メタデータ） (2025-08-07T11:48:03Z)
• Embodied AI with Foundation Models for Mobile Service Robots: A Systematic Review [4.540236408836132]
  本稿では,モバイルサービスロボティクスにおける基礎モデルの統合に関する最初の体系的なレビューを紹介する。 本稿では, リアルタイムセンサ融合, 言語条件制御, 適応タスク実行におけるそのようなモデルの役割について検討する。 また、国内援助、医療、サービス自動化分野における現実世界の応用についても論じる。
  論文  参考訳（メタデータ） (2025-05-26T20:08:09Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Forging Vision Foundation Models for Autonomous Driving: Challenges, Methodologies, and Opportunities [59.02391344178202]
  ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。 総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。 本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-01-16T01:57:24Z)

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。