論文の概要: iAm.md: Robot Skill Self-Assessment through Agentic Introspection for Unknown Open-Vocabulary Domains

• arxiv url: http://arxiv.org/abs/2610.10962v1
• Date: Wed, 07 Oct 2026 22:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.691199
• Title: iAm.md: Robot Skill Self-Assessment through Agentic Introspection for Unknown Open-Vocabulary Domains
• Title（参考訳）: iAm.md:未知のオープン語彙領域に対するエージェントイントロスペクションによるロボットスキルの自己評価
• Abstract要約: 大規模言語モデルに基づくエージェントAIは、幅広い潜在的なアプリケーションを提供する。 我々は、マークダウン標準および生成フレームワークであるiAm.mdを紹介し、このプロセスを補完的な配置証拠として定着させることができる。 次に、この新手法を、ナビゲーション・操作タスクを模擬したTAAGo上で研究し、この標準化された表現が、いかにしてスキル自己評価と実行可能タスクの一般化をサポートするかを示す。
• 参考スコア（独自算出の注目度）: 1.8374319565577155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agentic AI based on Large Language Model generalization capabilities offers a wide range of potential applications, including planning for embodied tasks. For example, embodied agents based on Foundation models can generate plausible plans in autonomous robotics scenarios. Due to limited context windows or hallucinatory phenomena in the next-token prediction formulation, behaviors may be generated without establishing whether the deployed robot and the observed environment actually support the requested operation, in what we call a "grounding failure". Thanks to the recent improvements in reasoning capabilities of foundation models, autonomous robot behavior generation problem can be formulated as a code generation problem. We present iAm.md, a Markdown standard and generation framework, that allows anchoring this process in complementary forms of deployment evidence. Through open-vocabulary semantic mapping, we combine local vision-language detections and object segmentation and refer them to persistent object records in this intermediate standardized representation, allowing agentic introspection. We then study this new technique on a simulated TIAGo, on navigation-and-manipulation tasks, showing how this standardized representation jointly supports skill self-assessment and executable task generalization.
• Abstract（参考訳）: 大規模言語モデルに基づくエージェントAIは、エンボディされたタスクの計画を含む、幅広い潜在的なアプリケーションを提供する。 例えば、ファンデーションモデルに基づく実施エージェントは、自律ロボットのシナリオにおいて、もっともらしい計画を生成することができる。 次点予測定式化におけるコンテキストウインドウや幻覚現象の制限により、デプロイされたロボットと観測された環境が実際に要求された操作をサポートするかどうかを確かめることなく、我々は「接地障害」と呼ぶ行動を生成することができる。 近年,基礎モデルの推論能力の向上により,自律型ロボット行動生成問題をコード生成問題として定式化することができる。 我々は、Markdownの標準および生成フレームワークであるiAm.mdを紹介し、このプロセスを補完的な配置証拠として定着させることを可能にする。 オープン・ボキャブラリ・セマンティックマッピングにより、局所的な視覚言語検出とオブジェクトセグメンテーションを組み合わせて、この中間的標準化された表現における永続的なオブジェクトレコードを参照し、エージェントのイントロスペクションを可能にする。 次に,本手法を模擬TAAGo,ナビゲーション・アンド・マニピュレーションタスク上で研究し,この標準化された表現がいかにしてスキル自己評価と実行可能タスクの一般化をサポートするかを示す。

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)
• RoboWits: Unexpected Challenges for Robotic Creative Problem Solving [58.58727722988084]
  我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
  論文  参考訳（メタデータ） (2026-05-28T17:57:15Z)
• Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
  エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。 また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
  論文  参考訳（メタデータ） (2026-01-18T19:51:16Z)
• 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)
• Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
  汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。 コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。 ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
  論文  参考訳（メタデータ） (2023-12-14T10:02:55Z)
• Towards a Causal Probabilistic Framework for Prediction, Action-Selection & Explanations for Robot Block-Stacking Tasks [4.244706520140677]
  因果モデル(英: Causal model)は、ロボットの環境との相互作用を管理する因果関係の形式的知識を符号化する原則的な枠組みを提供する。 本研究では,物理シミュレーション機能を構造因果モデルに組み込むことで,ロボットがブロックスタッキングタスクの現況を認識・評価できる新しい因果確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-11T15:58:15Z)
• Grounded Decoding: Guiding Text Generation with Grounded Models for Embodied Agents [111.15288256221764]
  グラウンデッドデコーディングプロジェクトは、両方のモデルの知識を活用することで、ロボット環境で複雑な長期タスクを解決することを目的としている。 我々はこれを確率的フィルタリングに類似した問題として、言語モデルの下で高い確率を持つシーケンスをデコードし、基底モデル対象のセットで高い確率を示す。 本研究では,3つのシミュレーション領域と実世界の領域にまたがって,そのような基底モデルがどのように得られるのかを実証し,両モデルの知識を活用して,ロボット環境での複雑な長期的タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-03-01T22:58:50Z)

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。