論文の概要: Recompositional Robotics: Cross-Domain, Open-set, and Lifelong Modularity Beyond Morphology

• arxiv url: http://arxiv.org/abs/2609.37734v1
• Date: Tue, 29 Sep 2026 14:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.650746
• Title: Recompositional Robotics: Cross-Domain, Open-set, and Lifelong Modularity Beyond Morphology
• Title（参考訳）: Recompositional Robotics: 形態を超越したクロスドメイン、オープンセット、生涯のモジュール性
• Abstract要約: 複数のドメインにまたがって再構成されるように設計されたロボットは、単一のドメインで再構成できるロボットよりも、その能力を変更する能力が高い。 現在のモジュラーロボットは、構造領域における統合慣性を減らす一方で、統合に寄与する他の領域では高い水準を維持している。
• 参考スコア（独自算出の注目度）: 2.5391024490689538
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research in modular robotics has produced capable approaches allowing a robot's morphology to change online, with recent efforts also developing approaches to decide which morphology to assume and automatically propagate that decision into the robot's motion planning and control. These approaches are powerful and increase adaptability in the field. However, an alternative objective is not to build robots whose structures can change, but robots whose fundamental capabilities can change, where capability is a joint function across several domains, including kino-dynamics, perception, compute, and high-level coordinating behaviors. A robot designed to be reconfigured across these domains has a greater capacity to alter its capability than one that can be reconfigured in a single domain. We refer to this cross-domain reconfigurability as integration span, and recognize a complementary measure of the resistance to reconfiguration, which we refer to as integration inertia. Current modular robots have reduced integration inertia in the structural domain while it remains high in the other domains that contribute to integration span. We assert that the systems that can provide the most utility through reconfiguration in practice are those maximizing span and minimizing inertia and call this general problem recompositional robotics: adaptation over a heterogeneous set of modules including hardware, software, compute, and behavior that abstracts each component by the interfaces it requires and provides such that they can be reasoned over holistically. We define the problem, ground it in two deployed systems and active research efforts, and pose open questions about the future of recompositional robotics.
• Abstract（参考訳）: モジュラーロボットの研究は、ロボットの形態をオンラインで変化させる能力のあるアプローチを生み出し、最近の取り組みでは、ロボットの運動計画と制御にどの形態を仮定し、自動的に伝達するかを決定するアプローチも開発している。 これらのアプローチは強力で、現場での適応性を高めます。 しかし、別の目的として、構造を変えることができるロボットを構築することではなく、基本的な能力を変えることができるロボットを構築することである。 これらのドメイン間で再構成されるように設計されたロボットは、単一のドメインで再構成できるロボットよりも、その能力を変更する能力が高い。 我々は、このドメイン間の再構成性を統合スパンと呼び、再構成に対する抵抗の相補的な尺度を認識し、それを統合慣性と呼ぶ。 現在のモジュラーロボットは、構造領域における統合慣性を減らす一方で、統合に寄与する他の領域では高い水準を維持している。 ハードウェア,ソフトウェア,コンピュータ,ビヘイビアを含む多種多様なモジュール群への適応は,各コンポーネントを必要なインターフェースで抽象化し,論理的に過度に推論できる。 この問題を2つのデプロイシステムとアクティブな研究活動に根ざし、再配置ロボットの未来についてオープンな疑問を提起する。

関連論文リスト

• Tensegrity Continuum Robots Enable Task-Adaptive Morphologies for Cooperative Behaviors [3.443736248915025]
  両アーキテクチャの利点を両アーキテクチャの長所に統合するMRRを導入し, 引張性に基づく適合体と爪による接続機構を組み合わせる。 ロボットの能力は,協調した物体操作・輸送,マルチモーダル移動,ロコ操作など,多様なタスクや環境にまたがる。 これらの結果は適応的で多機能なロボット集団の基礎となり、製造、宇宙探査、捜索救助活動に幅広い応用が期待できる。
  論文  参考訳（メタデータ） (2026-08-27T15:05:30Z)
• Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
  物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。 近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。 これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
  論文  参考訳（メタデータ） (2026-08-02T14:22:01Z)
• Modular Recurrence in Contextual MDPs for Universal Morphology Control [0.6372261626436676]
  しかし、新しい、目に見えないロボットへの一般化は依然として課題だ。 モジュール型リカレントアーキテクチャを実装し,MuJoCoロボットの大規模集合上での一般化性能を評価する。
  論文  参考訳（メタデータ） (2025-06-10T09:44:30Z)
• Redefining Robot Generalization Through Interactive Intelligence [0.0]
  ロボットファンデーションモデルは、リアルタイムの人間-ロボット共適応の複雑さを扱うために、インタラクティブなマルチエージェント視点に進化する必要がある、と我々は主張する。 シングルエージェントデザインを超えて、私たちの立場は、ロボット工学の基礎モデルがより堅牢でパーソナライズされ、予想されるパフォーマンスのレベルを達成する方法を強調しています。
  論文  参考訳（メタデータ） (2025-02-09T17:13:27Z)
• 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)
• Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm Approach [9.471665570104802]
  形態学、すなわちロボットの形態と構造は、主要なパフォーマンス指標の取得コスト、サイクル時間、エネルギー効率に大きな影響を及ぼす。 以前のアプローチでは、設計空間の適切な探索や、複雑なタスクに適応する可能性に欠けていた。 本稿では,この問題を克服するために,遺伝的アルゴリズムと解候補の辞書的評価を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2023-09-15T13:50:21Z)
• Universal Morphology Control via Contextual Modulation [52.742056836818136]
  異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。 既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。 本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-22T00:04:12Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)

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。