論文の概要: FRAMES: Failure Recovery And Monitoring of Embodied Skills for Humanoid Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2609.22538v1
- Date: Fri, 18 Sep 2026 19:53:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:03.879134
- Title: FRAMES: Failure Recovery And Monitoring of Embodied Skills for Humanoid Loco-Manipulation
- Title（参考訳）: FRAMES:Humanoid Loco-Manipulationのための身体的スキルの障害回復とモニタリング
- Abstract要約: 我々は、Unitree G1ヒューマノイドの障害対応監視フレームワークであるFRAMESを提案する。
プランナーエージェントはパラメータ化中級スキルを介してサブタスクを選択し、ビジョン言語モデルに基づくモニターエージェントは各スキルを評価する。
我々は、50の失敗と50の成功した実行を含む100のトライアルを用いて、MuJoCoにおけるフレームワークの監視モジュールを評価した。
- 参考スコア（独自算出の注目度）: 13.728630492769378
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM) planners can decompose natural-language instructions and select reusable robot skills, but choosing the correct skill does not guarantee successful physical execution. This gap is especially important in humanoid loco-manipulation, where errors during approach, grasping, transport, or placement can invalidate the remainder of a long-horizon plan. We present FRAMES, a failure-aware supervisory framework for the Unitree G1 humanoid that operates above the CEER whole-body controller. A Planner Agent selects subtasks through parameterized mid-level skills, while a vision-language-model-based Monitor Agent evaluates each skill using temporal multi-view observations and structured robot and contact evidence. Detected failures stop the active skill and provide grounded feedback to a Recovery Agent. The framework further includes a Memory Module for reusing prior skill experience, and geometric grounding via depth and segmentation. We independently evaluate the monitoring module of the framework in MuJoCo using 100 trials comprising 50 failed and 50 successful executions across five tasks. The monitor detects 48 of 50 failures, correctly accepts 46 of 50 successful executions, and achieves 94.0% overall accuracy. These results provide initial evidence for the monitoring component, while end-to-end evaluation of the complete recovery loop remains ongoing.
- Abstract（参考訳）: 大規模言語モデル(LLM)プランナーは、自然言語命令を分解し、再利用可能なロボットスキルを選択することができるが、正しいスキルを選択することは、身体的な実行が成功することを保証しない。
このギャップは、アプローチ中のエラー、把握、輸送、配置が長期計画の残りを無効にするヒューマノイド・ロコ・マニピュレーションにおいて特に重要である。
本稿では,CEER全体コントローラ上で動作するUnitree G1ヒューマノイドの障害対応監視フレームワークであるFRAMESを提案する。
プランナーエージェントはパラメータ化中級スキルを介してサブタスクを選択し、ビジョン言語モデルに基づくモニターエージェントは、時間的多視点観察と構造化ロボットと接触証拠を用いて各スキルを評価する。
検出された障害は、アクティブなスキルを停止し、リカバリエージェントに基礎的なフィードバックを提供する。
フレームワークには、事前のスキルエクスペリエンスを再利用するためのメモリモジュールと、深さとセグメンテーションによる幾何学的グラウンドも含まれている。
5つのタスクで50の失敗と50の成功した実行を含む100のトライアルを使用して、MuJoCoのフレームワークの監視モジュールを独立して評価した。
モニタは50の障害のうち48を検知し、50の正常な実行のうち46を正しく受け入れ、全体的な精度は94.0%である。
これらの結果は、モニタリングコンポーネントの最初の証拠を提供する一方で、完全な回復ループのエンドツーエンド評価は継続している。
関連論文リスト
- CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳（メタデータ） (2026-09-21T05:14:34Z) - VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。
汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。
モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
論文 参考訳（メタデータ） (2026-09-17T01:24:51Z) - FLARE: A Failure-Aware Framework for Autonomous Correction and Recovery in Visual-Language Robotic Manipulation [43.89036551517797]
VLA(Vision-Language-Action Models)は、複雑な長距離ロボット操作タスクへの一般化において、大きな可能性を証明している。
彼らのパフォーマンスは、通常、軌道単調で障害のないデモンストレーションで訓練されるため、不安定なままである。
我々は、リトライとリセットのパラダイムを通じて、堅牢なエラー回復機能を備えたVLAを実現する新しいフレームワークであるFLAREを提案する。
論文 参考訳（メタデータ） (2026-08-27T05:58:06Z) - HarnessWAM: Bridging Prediction and Deliberation in World Action Models [39.20825071922887]
World Action Models (WAM) は、環境力学とロボットの動作を共同で学習し、身体的制御に物理的進化の先行を取り入れている。
本稿では,WAMの予測・検討ギャップに対処するため,WAMのエージェントフレームワークであるHarnessWAMを提案する。
我々は、HarnessWAMがRoboMemArenaで59.6%、69.9%、RoboCerebra Idealで23.7%、最先端のフルタスクとサブタスクの成功率を達成したことを示す。
論文 参考訳（メタデータ） (2026-08-10T12:15:59Z) - Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。
動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。
この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-22T09:32:28Z) - The Unreasonable Effectiveness of VLMs for Zero-shot Procedural Mistake Detection [27.97762014835384]
手続き的誤り検出は多くの分野にわたる品質管理とユーザ支援において重要である。
この分野での最近の研究は、VLM(Video-Language Models)の推論機能をマルチステージパイプライン内のコンポーネントとして活用することで、大きな成果を上げている。
本稿では,1つの事前訓練されたVLMを用いて,手続き的誤り検出と時間的動作分割を共同で解決するZero-shot Procedural Mistake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-19T16:31:44Z) - 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) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - A Unified Framework for Real-Time Failure Handling in Robotics Using Vision-Language Models, Reactive Planner and Behavior Trees [1.3481665321936716]
本稿では,リアクティブプランナであるVLM(Vision-Language Models)とBT(Behavior Trees)を組み合わせて,リアルタイムの障害処理を実現する,統合された障害復旧フレームワークを提案する。
当社のアプローチには、実行前の潜在的な障害をチェックする事前実行検証と、実行中の障害を検出し修正するリアクティブ障害処理が含まれている。
我々は、ペグ挿入、オブジェクトソート、引き手の配置といったタスクにおいて、ABB YuMiロボットを用いた実世界の実験を通して、我々のフレームワークを評価する。
論文 参考訳（メタデータ） (2025-03-19T13:40:56Z)
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。