論文の概要: RoboLDA: A Probabilistic Generative Model for Uncovering Embodied Hierarchical Structures in Voxel-based Soft Robots

• arxiv url: http://arxiv.org/abs/2609.29490v1
• Date: Mon, 24 Aug 2026 11:20:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.043967
• Title: RoboLDA: A Probabilistic Generative Model for Uncovering Embodied Hierarchical Structures in Voxel-based Soft Robots
• Title（参考訳）: RoboLDA: ボクセル型ソフトロボットの身体的階層構造を明らかにする確率的生成モデル
• Abstract要約: ロボット形態の階層的な構成。複数のレベルの機能的サブ構造が、インテリジェントな振る舞いを促進するために相乗化される。 本稿では,VSR形態素生成を4レベル階層に分解したベイズ確率モデルであるRoboLDAについて述べる。 我々の研究は、ロボット形態の階層的生成モデリングを開拓し、より解釈可能で一般化可能なエンボディエージェント開発への道のりを提供する。
• 参考スコア（独自算出の注目度）: 30.96783729041877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in robotics highlight hierarchical configurations of robot morphology, where multiple levels of functional substructures synergize to facilitate intelligent behaviors. This hierarchical perspective, while particularly advantageous for voxel-based soft robots (VSRs) to ease design and control complexities, is hindered by its heavy reliance on domain expertise. In this work, we address the following question: can we derive such hierarchical design principles solely from existing successful designs? We answer affirmatively by presenting RoboLDA, a Bayesian probabilistic model that decomposes VSR morphology generation into a four-level hierarchy: "task-robot-organ-voxel", and is trained via variational inference. Through extensive experiments on simulated VSRs, we verify the presence of consistent, intuitive hierarchical patterns underlying high-performing VSR designs and showcase RoboLDA's proficiency to extract and leverage these hierarchical priors for zero-shot robot design in unseen tasks. The generated designs, even without further optimization, achieve on average 106.4% of the optimized performance produced by evolutionary algorithms. Additionally, the organ structures inferred by RoboLDA serve as valid functional substructures, significantly enhancing synergistic motion control when integrated with modular control policies. Our work pioneers hierarchical generative modeling of robot morphology, offering a promising pathway towards more interpretable and generalizable development of embodied agents.
• Abstract（参考訳）: 近年のロボット工学の進歩は、知的行動を促進するために複数の機能的サブ構造が相乗化されるロボット形態の階層的な構成を強調している。 この階層的な視点は、特にボクセルベースのソフトロボット(VSR)が複雑な設計と制御を容易にするのに有利であるが、ドメインの専門知識に大きく依存していることで妨げられている。 このような階層的設計原則を,既存の成功した設計からのみ引き出すことができるだろうか? 我々は、VSR形態素生成を4段階階層に分解するベイズ確率モデルであるRoboLDAを「タスク・ロボット・オルガン・ボクセル」として提示し、変分推論を用いて訓練することで、肯定的に答える。 シミュレーションVSRに関する広範な実験を通じて、高パフォーマンスなVSR設計に基づく一貫性のある直感的な階層パターンの存在を検証するとともに、未確認タスクにおけるゼロショットロボット設計のためのこれらの階層的先行を抽出し活用するRoboLDAの習熟度を示す。 生成された設計は、さらなる最適化がなくても、進化アルゴリズムによって生成される最適化性能の平均106.4%を達成している。 さらに、RoboLDAによって推測される臓器構造は有効な機能的サブ構造として機能し、モジュラー制御ポリシーと統合された場合の相乗的運動制御を著しく強化する。 我々の研究は、ロボット形態の階層的生成モデリングを開拓し、より解釈可能で一般化可能なエンボディエージェント開発への道のりを提供する。

関連論文リスト

• RoboCerebra: A Large-scale Benchmark for Long-horizon Robotic Manipulation Evaluation [59.9896841079005]
  長距離ロボット操作における高レベル推論評価のためのベンチマークであるRoboCerebraを紹介する。 データセットはトップダウンパイプラインを通じて構築され、GPTはタスク命令を生成し、それらをサブタスクシーケンスに分解する。 以前のベンチマークと比較すると、RoboCerebraはアクションシーケンスが大幅に長く、アノテーションがより密度が高い。
  論文  参考訳（メタデータ） (2025-06-07T06:15:49Z)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• STRIDE: Automating Reward Design, Deep Reinforcement Learning Training and Feedback Optimization in Humanoid Robotics Locomotion [33.91518509518502]
  我々は,人型ロボットの移動作業に対する報酬設計,DRLトレーニング,フィードバック最適化を自動化するために,エージェント工学に基づく新しいフレームワークSTRIDEを紹介する。 エージェントエンジニアリングの構造化された原則と、コード記述、ゼロショット生成、コンテキスト内最適化のための大きな言語モデル(LLM)を組み合わせることで、STRIDEはタスク固有のプロンプトやテンプレートに頼ることなく報酬関数を生成し、評価し、反復的に洗練する。 ヒューマノイドロボットの形態を特徴とする多様な環境において、STRIDEは最先端の報酬設計フレームワークであるEUREKAよりも優れており、ラウンド250%の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2025-02-07T06:37:05Z)
• RoboMorph: Evolving Robot Morphology using Large Language Models [0.5485097145234111]
  RoboMorphはモジュラーロボットの設計を自動生成し最適化するためのアプローチである。 我々は,それぞれのロボットデザインを文法として表現し,大規模言語モデル(LLM)の能力を活用して,ロボットデザインの広い範囲をナビゲートする。 実験の結果、RoboMorphは異なる地形に最適化された非自明なロボットをうまく生成できた。
  論文  参考訳（メタデータ） (2024-07-11T16:05:56Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)

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。