論文の概要: In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks

• arxiv url: http://arxiv.org/abs/2609.38173v1
• Date: Tue, 29 Sep 2026 17:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.835917
• Title: In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks
• Title（参考訳）: コンテキスト内ロボットの学習をシンプルに - 操作タスクのための民主化レシピ
• Abstract要約: 我々は、ロボットが視覚的なデモンストレーションからタスクを推論し実行できるようにする新しいパラダイムである、ロボット・イン・コンテキスト・ラーニング(ICL)について研究する。 本研究ではまず,ロボットICLの学習目標を明確に定義した明確な問題定義を提供する。 我々は,ビジュアルプロンプトエンコーダと低コストなデータ収集プロトコルを備えた,最小限かつ再現可能なICLフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 26.59574971924728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study robotic in-context learning (ICL), an emerging paradigm that enables robots to infer and execute tasks from visual demonstrations. Despite its growing promise, the problem itself remains under-defined: a visual demonstration simultaneously conveys action trajectories, object semantics, manipulation affordances, spatial relations, and task goals, making it unclear what information the robot is actually expected to follow. In this work, we first provide a clear problem definition of robot ICL that explicitly defines its learning target and resolves this fundamental prompt ambiguity. Building on this definition, we develop a minimalist and reproducible ICL framework (SimpleICL) with a visual prompt encoder and a low-cost data collection protocol. Without massive pre-training or specialized data infrastructure, our framework achieves strong performance in both simulation and real-world environments. Extensive experiments further reveal several key properties of robot ICL, including action, semantic, composition, and affordance discrimination. We will fully open-source our data and training pipeline to facilitate systematic and reproducible research on robot ICL. The project page can be found at https://simpleicl.github.io/simpleicl.
• Abstract（参考訳）: 我々は、ロボットが視覚的なデモンストレーションからタスクを推論し実行できるようにする新しいパラダイムである、ロボット・イン・コンテキスト・ラーニング(ICL)について研究する。 視覚的なデモンストレーションは、アクションの軌跡、オブジェクトのセマンティクス、操作能力、空間的関係、タスクの目標を同時に伝達し、ロボットが実際にどんな情報に従おうとしているのかを明確にする。 本研究はまず,ロボットICLの学習目標を明確に定義し,その基本的な急進的曖昧さを解決するための明確な問題定義を提供する。 この定義に基づいて、視覚的プロンプトエンコーダと低コストのデータ収集プロトコルを備えた、最小限かつ再現可能なICLフレームワーク(SimpleICL)を開発した。 大規模な事前学習や専門的なデータインフラがなければ、我々のフレームワークはシミュレーションと実環境の両方で強力なパフォーマンスを達成できる。 大規模な実験により、アクション、セマンティック、コンポジション、余裕の識別など、ロボットICLのいくつかの重要な特性が明らかにされた。 我々は、ロボットICLの体系的で再現可能な研究を促進するために、データとトレーニングパイプラインを完全にオープンソース化する。 プロジェクトのページはhttps://simpleicl.github.io/simpleiclにある。

関連論文リスト

• Retrieval-Augmented Robots via Retrieve-Reason-Act [5.93914911947526]
  我々は、ロボットが受動的執行者からアクティブな情報検索ユーザーへと進化する必要があると主張している。 以前のデモが存在しない厳密なゼロショット設定では、ロボットは重要な情報ギャップに直面している。 このパラダイムをRetrieval-Augmented Robotics (RAR) と定義し,ロボットに情報探索機能を持たせる。
  論文  参考訳（メタデータ） (2026-03-03T07:32:15Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• Robot Control Stack: A Lean Ecosystem for Robot Learning at Scale [11.166320712764465]
  VLA(Vision-Language-Action Model)は、専門的なアーキテクチャと専門家ポリシーのタスクに適したコンポーネントを、大規模なデータ収集とセットアップ固有の微調整に置き換える。 従来のロボットソフトウェアフレームワークはボトルネックとなり、ロボットシミュレーションは、実世界の実験への移行を限定的にサポートする。 我々は、大規模なジェネラリストポリシーによるロボット学習の研究を支援するために、ゼロから設計されたリーンエコシステムであるRobot Control Stack (RCS)を紹介した。
  論文  参考訳（メタデータ） (2025-09-18T13:12:16Z)
• In-Context Learning Enables Robot Action Prediction in LLMs [52.285739178561705]
  本稿では,ロボットの動作を直接予測する,オフザシェルフテキストのみの大規模言語モデルを実現するフレームワークであるRoboPromptを紹介する。 RoboPromptは、シミュレーションおよび実世界の設定において、ゼロショットとICLベースラインよりもパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2024-10-16T17:56:49Z)
• Robotic-CLIP: Fine-tuning CLIP on Action Data for Robotic Applications [12.009846926987008]
  Contrastive Language-Image Pretraining (CLIP) は、視覚と自然言語の理解の両方を必要とするロボット作業で広く使われている。 ロボット認識能力を高めるために,ロボットCLIPを導入する。
  論文  参考訳（メタデータ） (2024-09-26T10:56:35Z)
• LLaRA: Supercharging Robot Learning Data for Vision-Language Policy [56.505551117094534]
  我々はLLaRA: Large Language and Robotics Assistantを紹介した。 まず、既存の行動クローニングデータセットからロボットのための会話スタイルの指導データを生成する自動パイプラインを提案する。 このようなデータセットを限定的に微調整したVLMは、ロボット制御において有意義な行動決定を導出できることを示す。
  論文  参考訳（メタデータ） (2024-06-28T17:59:12Z)
• MOKA: Open-World Robotic Manipulation through Mark-Based Visual Prompting [97.52388851329667]
  我々は,自由形式の言語命令で指定されたロボット操作タスクを解決するために,マーキングオープンワールドキーポイントアフォード(Moka)を導入する。 我々のアプローチの中心は、VLMの観測画像と物理世界におけるロボットの行動に関する予測を橋渡しする、コンパクトな点ベースの可測性表現である。 ツールの使用,変形可能な身体操作,オブジェクト再構成など,さまざまなテーブルトップ操作タスクにおけるMokaの性能評価と解析を行った。
  論文  参考訳（メタデータ） (2024-03-05T18:08:45Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)

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。