論文の概要: Uranus: Building the Next-Generation Simulation Infrastructure for Embodied AI

• arxiv url: http://arxiv.org/abs/2609.24815v2
• Date: Tue, 22 Sep 2026 09:34:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.014244
• Title: Uranus: Building the Next-Generation Simulation Infrastructure for Embodied AI
• Title（参考訳）: Uranus: エンボディードAIのための次世代シミュレーションインフラストラクチャの構築
• Abstract要約: 本稿では,関節軌道条件付き自己回帰拡散モデルを中心に構築されたデータ駆動型ロボットシミュレータである天王星について述べる。 天王星には3つの重要な機能がある:(1) ストリーミング、オープンエンドロールアウト、オンラインのジョイントポジショントラジェクトリを受信し、自動回帰的に4つのRGBフレームに対応するステップごとに1つの潜在フレームを生成し、(2) 推論最適化後の24FPSを達成する低レイテンシ生成、(3) スケーラブルでロボット制御、そして多様なロボットエンボディメントとカメラ構成をまたいで同期化されたマルチビュー生成のための統一インターフェースを提供する。
• 参考スコア（独自算出の注目度）: 10.12571765040927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scalable simulation is essential for robot data generation, policy training, evaluation, and safe iteration, yet real-world interaction is costly and conventional simulators require labor-intensive construction. We present Uranus, a data-driven robot simulator built around a joint-trajectory-conditioned autoregressive diffusion model. Uranus offers three key capabilities: (1) streaming, open-ended rollout, which receives future joint-position trajectories online and autoregressively generates one latent frame per step, corresponding to four RGB frames, without a fixed horizon; (2) low-latency generation, achieving 24 FPS after inference optimization; and (3) scalable, extensible robot control, providing a unified interface for synchronized multi-view generation across diverse robot embodiments and camera configurations. We conduct comprehensive quantitative and qualitative evaluations on both in-distribution and out-of-distribution data, providing an objective assessment of Uranus and clearly identifying its current limitations. We release the code and model weights to empower the community with practical tools and insights.
• Abstract（参考訳）: ロボットデータ生成,ポリシトレーニング,評価,安全なイテレーションには,スケーラブルなシミュレーションが不可欠である。 本稿では,関節軌道条件付き自己回帰拡散モデルを中心に構築されたデータ駆動型ロボットシミュレータである天王星について述べる。 天王星には3つの重要な機能がある:(1) ストリーミング、オープンエンドロールアウト、オンライン、自動回帰で4つのRGBフレームに対応するステップごとに1つの遅延フレームを生成し、(2) 推論最適化後の24FPSを達成する低レイテンシ生成、(3) スケーラブルで拡張可能なロボット制御、そして、多様なロボットエンボディメントとカメラ構成をまたいだ同期マルチビュー生成のための統一インターフェースを提供する。 本研究は,天王星の客観的評価と現在の限界の明確化を目的として,分布内および分布外データの総合的定量および定性評価を行う。 私たちは、実践的なツールと洞察でコミュニティに力を与えるために、コードとモデルの重みをリリースします。

関連論文リスト

• DEXTERA: From a Single Image to Deployable Dexterous Manipulation via Real-to-Sim-to-Real [8.81402670203448]
  DEXTERAは、デクスタラス操作のための、リアルタイムからシミュレートへ自動化されたフレームワークである。 単一のRGBイメージをデプロイ可能なポリシに変換して,4つの統一ステージに展開する。 DEXTERAは、生成ベースラインよりも優れた視覚的忠実度と3次元幾何的再構成を実現する。
  論文  参考訳（メタデータ） (2026-09-17T20:05:16Z)
• On Improving Multimodal Pedestrian Trajectory Prediction with CVAE: A Study on Benchmark and Robot Data [3.857761563372033]
  社会時空間グラフ畳み込みニューラルネットワーク(Social-STGCNN)は,社会的相互作用をモデル化することによって高い性能を示した。 我々は,Social-STGCNNのバックボーン上に構築し,変動オートエンコーダ(CVAE)に基づく確率的定式化を導入し,マルチモーダルな将来の軌道を明示的にモデル化する。 本研究では,ETHおよびUCY歩行者軌跡データと,移動ロボットが収集した実世界の歩行者データについて評価を行った。
  論文  参考訳（メタデータ） (2026-05-18T11:59:52Z)
• ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
  本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。 提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。 我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2026-04-13T12:25:45Z)
• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Causal World Modeling for Robot Control [56.31803788587547]
  ビデオワールドモデルは、アクションと視覚力学の因果関係を理解することによって、近い将来に想像できる能力を提供する。 本稿では,フレーム予測とポリシ実行を同時に学習する自動回帰拡散フレームワークLingBot-VAを紹介する。 シミュレーションベンチマークと実世界のシナリオの両方でモデルを評価したところ、長距離操作、ポストトレーニングにおけるデータ効率、新しい構成への強力な一般化性などに大きな可能性を示唆している。
  論文  参考訳（メタデータ） (2026-01-29T17:07:43Z)
• HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
  HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。 我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
  論文  参考訳（メタデータ） (2025-11-27T07:53:16Z)
• Scalable Modular Synthetic Data Generation for Advancing Aerial Autonomy [2.9005223064604078]
  本稿では,自律飛行に適したスケーラブルなAerial Synthetic Data Augmentation (ASDA) フレームワークを提案する。 ASDAは、シーンとデータ拡張を自動的に実行する2つのスクリプト可能なパイプラインを備えた中央データ収集エンジンを拡張している。 多様なデータセットを自動生成する手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-11-10T04:37:41Z)

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。