論文の概要: Inspect Robots: Evaluating the Capabilities and Safety of Embodied AI

• arxiv url: http://arxiv.org/abs/2610.06306v1
• Date: Mon, 05 Oct 2026 13:29:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 09:21:57.150299
• Title: Inspect Robots: Evaluating the Capabilities and Safety of Embodied AI
• Title（参考訳）: 検査ロボット: 身体的AIの能力と安全性を評価する
• Abstract要約: エンボディエージェントの評価の開発と実行のためのフレームワークであるInspect Robotsを紹介する。 Inspect Robotsは、物理的評価を指定するためのカスタマイズ可能な再利用可能な抽象化をペアにする。 最前線言語モデルに基づく6つのポリシーの能力と安全性を評価するために,Inspect Robotsを用いて実証を行った。
• 参考スコア（独自算出の注目度）: 1.8964172241286814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General purpose language models are increasingly able to control robotic hardware. Understanding the capabilities and safety of these models when embodied is therefore increasingly important for understanding their societal impact and risks. To this end, we introduce Inspect Robots, a modular, open-source framework for developing and running evaluations of embodied agents. Inspect Robots pairs customizable, reusable abstractions for specifying physical evaluations and analyzing their results with infrastructure that automates evaluation setup, execution and termination. We demonstrate Inspect Robots by using it to evaluate the capabilities and safety of six policies based on frontier language models. Inspect Robots has seen significant early uptake, receiving nearly 100,000 downloads in the three months since its release.
• Abstract（参考訳）: 汎用言語モデルは、ロボットハードウェアを制御しやすくなっている。 したがって、これらのモデルが具体化される際の能力と安全性を理解することは、社会的影響とリスクを理解する上でますます重要である。 この目的のために,エンボディエージェントの評価を開発・実行するためのモジュール型オープンソースフレームワークであるInspect Robotsを紹介した。 Inspect Robotsは、物理的評価を指定するためのカスタマイズ可能な再利用可能な抽象化と、評価設定、実行、終了を自動化するインフラストラクチャを使って結果を分析する。 最前線言語モデルに基づく6つのポリシーの能力と安全性を評価するために,Inspect Robotsを用いて実証を行った。 Inspect Robotsは、リリースから3ヶ月で10万回近くダウンロードされた。

関連論文リスト

• In-Context Robot Learning with VLM Agents [45.801127106171016]
  本稿では,テキスト内ロボット学習のための汎用フレームワークであるGPT-Policyを紹介する。 タスクの成功と効率の指標を通じて信頼性と限界を評価します。 実際のロボット実験では、人間のビデオデモはロボットアクションラベルなしでもタスク完了を改善する。
  論文  参考訳（メタデータ） (2026-09-16T17:58:35Z)
• GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation [73.02743604295246]
  WMBenchは、実際のロボット遠隔操作データとポリシーのロールアウトから構築されたベンチマークである。 7つのビデオワールドモデル,4つのアクション表現スキーム,および実際のロボット実行と組み合わせた324,000以上のシミュレートされたポリシーロールアウトを分析した。 評価者の品質は、短期的な視覚的リアリズムよりも、長期的な、行動に忠実なロールアウト一貫性に支配されている。
  論文  参考訳（メタデータ） (2026-07-02T17:02:43Z)
• Cybersecurity AI: Humanoid Robots as Attack Vectors [0.448741371377488]
  本報告では,Unitree G1ヒューマノイドのセキュリティ評価について述べる。 同時に秘密監視ノードとして機能し、アクティブなサイバー運用プラットフォームとして利用することができる。
  論文  参考訳（メタデータ） (2025-09-17T16:18:53Z)
• Generating Robot Constitutions & Benchmarks for Semantic Safety [22.889717765617394]
  ロボット脳のセマンティック安全性を評価するためのASIMOVベンチマークをリリースする。 実世界のデータからロボットの構成を自動的に生成するフレームワークを開発した。 動作規則書にニュアンスを導入可能な,新しい自動改善プロセスを提案する。
  論文  参考訳（メタデータ） (2025-03-11T17:50:47Z)
• From Mystery to Mastery: Failure Diagnosis for Improving Manipulation Policies [35.18739716338974]
  本稿では,臨界故障モード(FM)を自動的に識別するシステムであるロボットマニピュレーション診断(RoboMD)を提案する。 事前訓練された操作ポリシーにおける潜在的なFMの膨大な空間を考慮すると、深層強化学習(deep reinforcement learning, ディープRL)を活用してこれらのFMを探索し、発見する。 非構造環境における未知障害の診断におけるRoboMDの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-03T20:34:51Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)

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。