論文の概要: RMMBench: A Comprehensive Benchmark for Robotic Mobile Manipulation
- arxiv url: http://arxiv.org/abs/2610.05414v1
- Date: Sun, 04 Oct 2026 17:55:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 13:54:04.991631
- Title: RMMBench: A Comprehensive Benchmark for Robotic Mobile Manipulation
- Title（参考訳）: RMMBench: ロボットモバイル操作のための総合ベンチマーク
- Abstract要約: RMMBenchは、ロボットが言語命令を理解し、連続空間で長期タスクを実行する必要がある評価ベンチマークである。
その結果,モバイル操作タスクの実行において,先進的な視覚言語モデルが空間的局所化において大きな課題に直面していることが判明した。
- 参考スコア（独自算出の注目度）: 12.697378063582216
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although the advancement of vision-language models (VLMs) has endowed robots with enhanced environmental understanding and task reasoning, a comprehensive evaluation methodology is important to advance the integration of VLMs in robotic navigation and manipulation. However, current benchmarks lack a comprehensive method to evaluate diverse robotic tasks, and evaluation metrics remain relatively constrained, making it difficult to assess the embodied capabilities of VLMs in a thorough and fine-grained manner. To address this issue, we propose RMMBench, an evaluation benchmark that requires robots to understand language instructions and perform long-horizon tasks in continuous spaces. RMMBench seamlessly integrates high- and low-level embodied tasks into a unified framework, constructing a "navigation-manipulation" task suite comprising 70 canonical task scenarios that range from localized manipulation to long-horizon composite navigation. The results reveal that leading VLMs still face major challenges in spatial localization when performing mobile manipulation tasks, and also highlight the necessity of enhancing the spatial perception capability of robots during long-horizon interactions. RMMBench can be accessed at https://mxxq-stack.github.io/rmmbench-project/
- Abstract（参考訳）: 視覚言語モデル(VLM)の進歩は、環境理解とタスク推論の強化をロボットに与えてきたが、ロボットナビゲーションと操作におけるVLMの統合を前進させるためには、総合的な評価手法が重要である。
しかしながら、現在のベンチマークでは、多様なロボットタスクを評価するための包括的な手法が欠如しており、評価基準は比較的制約されているままであり、VLMの具体的能力を徹底的かつきめ細かな方法で評価することは困難である。
この問題に対処するために,ロボットが言語命令を理解し,連続空間で長期タスクを実行することを要求する評価ベンチマークRMMBenchを提案する。
RMMBenchは、局所的な操作から長距離複合ナビゲーションまで、70の標準的なタスクシナリオからなる"ナビゲーション・マニピュレーション"タスクスイートを構築し、ハイレベルかつ低レベルなタスクを統一されたフレームワークにシームレスに統合する。
以上の結果から,移動操作作業において,VLMを先導する作業は空間的局所化において依然として大きな課題に直面しており,また,長期的相互作用においてロボットの空間的知覚能力を高める必要性も浮き彫りにされている。
RMMBenchはhttps://mxxq-stack.github.io/rmmbench-project/でアクセスできる。
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) - Visual-Language-Guided Task Planning for Horticultural Robots [7.247976293510842]
ロボットタスク計画の指針として視覚言語モデル(VLM)を用いた新しいモジュラーフレームワークを提案する。
本研究は,単作・多作環境における短期・長期の作物モニタリングタスクのベンチマークに貢献する。
論文 参考訳（メタデータ） (2026-01-17T04:45:31Z) - CoINS: Counterfactual Interactive Navigation via Skill-Aware VLM [13.352875026471445]
スキル認識型VLM(CoINS)による対物対話ナビゲーションを提案する。
我々は、スキルの余裕と具体的な制約パラメータを入力コンテキストに組み込んだ、InterNav-VLMというVLMを微調整する。
生成した高レベルプランを実行するために,強化学習による総合的なスキルライブラリを開発する。
論文 参考訳（メタデータ） (2026-01-07T14:10:46Z) - 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) - 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) - Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System [8.88014241557266]
不均一なマルチロボットシステムは、協調的なハイブリッド協調を必要とする複雑なタスクにおいて大きな可能性を示す。
静的またはタスク固有のモデルに依存する既存のメソッドは、様々なタスクや動的環境にまたがる一般化性に欠けることが多い。
本稿では,大規模言語モデル (LLM) と微調整型視覚言語モデル (VLM) を統合した階層型マルチモーダルフレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-05T13:27:41Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - EMMOE: A Comprehensive Benchmark for Embodied Mobile Manipulation in Open Environments [11.97783742296183]
Embodied Mobile Manipulation in Open Environmentsは、エージェントがユーザーの指示を解釈し、連続した空間で長時間の日常的なタスクを実行する必要があるベンチマークである。
Open EnvironmentsにおけるEmbodied Mobile Manipulationは、より多様な評価のための3つの新しいメトリクスとともに、ハイレベルで低レベルな実施タスクを統一されたフレームワークにシームレスに統合します。
We design model, a sophisticated agent system, a LLM with Direct Preference Optimization (DPO), light weighted navigation and operation model, and multiple error detection mechanism。
論文 参考訳（メタデータ） (2025-03-11T16:42:36Z) - 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) - TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。
具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。
提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
論文 参考訳（メタデータ） (2023-11-30T18:02:44Z)
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。