論文の概要: DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication

• arxiv url: http://arxiv.org/abs/2610.02161v1
• Date: Thu, 01 Oct 2026 17:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.358602
• Title: DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication
• Title（参考訳）: DuoMind: セマンティックコミュニケーションによる分散マルチロボットコーディネーションの実現
• Abstract要約: DuoMindは、セマンティックコミュニケーションによるマルチロボット協調のための分散階層フレームワークである。 各ロボットは、低レベルの実行にVLAベースのアクションモデルを使用し、高レベルの推論とエージェント間の調整にVLMベースのオーケストレータを使用する。
• 参考スコア（独自算出の注目度）: 24.566804836315907
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vision-language models (VLMs) and vision-language-action models (VLAs) have recently driven rapid progress in general-purpose robots, yet most progress has focused on single-robot settings. Extending these capabilities to multi-robot systems remains challenging because robots must coordinate long-horizon behaviors while maintaining reliable, fine-grained execution. We introduce DuoMind, a distributed hierarchical framework for multi-robot coordination through semantic communication. Each robot uses a VLA-based action model for low-level execution and a VLM-based orchestrator for high-level reasoning and inter-agent coordination. At each planning step, the orchestrator at each robot reasons over the task instruction, local observations, and messages received from other robots. It then generates low-level instructions for the action model and semantic messages for peer robots. This architecture exploits the complementary strengths of pretrained models by combining the semantic reasoning capabilities of VLMs with the precise action-generation capabilities of VLAs. To address the scarcity of benchmarks for multi-robot coordination, we further develop RoboPoly, a benchmark comprising long-horizon manipulation tasks that require coordinated, closed-loop execution under distributed control. Experiments on RoboPoly and RoboTwin demonstrate that DuoMind improves multi-robot task performance, while ablation studies confirm the contributions of hierarchical orchestration and semantic communication. More details are available on our project page.
• Abstract（参考訳）: 視覚言語モデル(VLM)と視覚言語アクションモデル(VLA)は近年、汎用ロボットの急速な進歩を推進しているが、ほとんどの進歩はシングルロボットの設定に焦点を当てている。 ロボットは、信頼性が高くきめ細かい実行を維持しながら、長い水平動作を調整する必要があるため、これらの機能をマルチロボットシステムに拡張することは依然として難しい。 セマンティックコミュニケーションによるマルチロボット協調のための分散階層フレームワークであるDuoMindを紹介する。 各ロボットは、低レベルの実行にVLAベースのアクションモデルを使用し、高レベルの推論とエージェント間の調整にVLMベースのオーケストレータを使用する。 それぞれの計画段階において、各ロボットのオーケストレータは、他のロボットから受け取ったタスク命令、ローカルな観察、メッセージに対して理由付けを行う。 そして、アクションモデルとピアロボットのセマンティックメッセージに対する低レベルの命令を生成する。 このアーキテクチャは、VLMのセマンティック推論能力とVLAの正確なアクション生成能力を組み合わせることで、事前訓練されたモデルの相補的な強みを利用する。 マルチロボット協調のためのベンチマークの不足に対処するため,分散制御下での協調クローズドループ実行を必要とする長い水平操作タスクからなるベンチマークであるRoboPolyを開発した。 RoboPolyとRoboTwinの実験では、DuoMindはマルチロボットタスクのパフォーマンスを改善し、アブレーション研究は階層的なオーケストレーションとセマンティックコミュニケーションの貢献を確認している。 詳細はプロジェクトのページで確認できます。

関連論文リスト

• D-VLC: Decentralized Vision-Language Collaboration for Heterogeneous Embodied Multi-Robot Systems in Unknown Environments [10.393866368123946]
  マルチロボットシステムは、並列協調と補完機能によって複雑なタスク実行の効率を向上させることができる。 本稿では,分散非同期推論,軽量情報共有,機能意識の協調,統一されたアクションインターフェースを組み合わせたフレームワークを提案する。 様々なシナリオと複数のVLMにわたる実験では、成功率は70%を超え、完成までの時間は幾何学的なグリーディベースラインに比べて55.8%も短縮された。
  論文  参考訳（メタデータ） (2026-07-31T04:20:32Z)
• ROSClaw: A Hierarchical Semantic-Physical Framework for Heterogeneous Multi-Agent Collaboration [9.434833852972353]
  ROSClawは、統一視覚言語モデル(VLM)コントローラにポリシー学習とタスク実行を統合する異種ロボットのためのエージェントフレームワークである。 自律的なクローズループフレームワークを確立することにより、ROSClawはロボット固有の開発への依存を最小限に抑える。
  論文  参考訳（メタデータ） (2026-04-06T13:16:24Z)
• LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator [1.5566524830295307]
  ロボットのための汎用言語駆動型インテリジェントエージェントフレームワークLEO-RobotAgentを提案する。 このフレームワークは強力な一般化、堅牢性、効率性を備えている。 実験では、このフレームワークが主流のロボットプラットフォームに容易に適応できることが確認されている。
  論文  参考訳（メタデータ） (2025-12-11T12:58:36Z)
• 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)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• 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。