論文の概要: Foundation Models for Autonomous Space Robotics: Architectures, Physical Adaptation, and Validation
- arxiv url: http://arxiv.org/abs/2610.23068v1
- Date: Fri, 16 Oct 2026 07:42:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.81942
- Title: Foundation Models for Autonomous Space Robotics: Architectures, Physical Adaptation, and Validation
- Title（参考訳）: 自律型宇宙ロボットのための基礎モデル:アーキテクチャ、物理的適応、検証
- Abstract要約: このレビューは、認識、予測、計画、デプロイメントと検証に対するアクションを通じて、宇宙固有の要件に従う。
センサ劣化,状態推定,コンピュータ選択がフィードバックやリカバリに与える影響について検討する。
実地試験とテレメトリによる診断と閉ループ復号化を関連づけた反復型シム・ツー・グラウンド・ツー・スペースの経路として検証を整理した。
- 参考スコア（独自算出の注目度）: 33.074053161493744
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Space robots must interpret tasks and act despite unfamiliar dynamics, difficult sensing conditions, and limited opportunities for human intervention. Foundation models offer reusable perceptual and behavioral knowledge, but their value depends on how that knowledge reaches physical execution. This critical review follows space-specific requirements through perception, prediction, planning, and action to deployment and validation, emphasizing orbital manipulation and proximity operations. Terrestrial comparisons establish benefits of particular pretraining stages and model interfaces; their transfer to space dynamics and constrained onboard operation remains insufficiently tested. Event cameras offer timely motion observations across strong illumination contrasts, while spiking neural networks provide possible routes to sparse local computation. We examine how sensor degradation, state estimation and computing choices affect feedback and recovery. Higher action throughput need not yield fresher feedback; lower processor power can also coexist with higher energy per inference. We organize validation as an iterative sim-to-ground-to-space pathway, connecting physical tests with telemetry-based diagnosis and closed-loop revalidation. A satellite-capture example links observations to approach, contact and recovery, while a corresponding protocol separates generalization from adaptation with limited target-domain interaction. These comparisons identify what models already contribute and the physical evidence needed to support autonomous space operation.
- Abstract（参考訳）: 宇宙ロボットは、不慣れなダイナミクス、困難な感知条件、人間の介入の機会が限られているにもかかわらず、タスクを解釈し行動しなければならない。
ファンデーションモデルは、再利用可能な知覚的および行動的知識を提供するが、それらの価値は、その知識が物理的な実行に達する方法に依存する。
この批判的なレビューは、軌道操作と近接操作を強調した、展開と検証のための知覚、予測、計画、行動を通じて、宇宙特有の要求に従う。
地上比較は、特定の事前訓練段階とモデルインターフェースの利点を確立している。
イベントカメラは強い照度コントラストを横切るタイムリーな動きの観察を提供する。
センサ劣化,状態推定,コンピュータ選択がフィードバックやリカバリに与える影響について検討する。
アクションスループットの向上は、より新しいフィードバックを得る必要はなく、低いプロセッサパワーは推論毎に高いエネルギーと共存することができる。
実地試験とテレメトリによる診断と閉ループ復号化を関連づけた反復型シム・ツー・グラウンド・ツー・スペースの経路として検証を整理した。
衛星キャプチャの例は、観測を接近、接触、回復にリンクさせ、対応するプロトコルは、ターゲットドメイン間の相互作用が限定された適応から一般化を分離する。
これらの比較は、既にどのモデルが貢献しているか、そして自律的な宇宙飛行を支援するために必要な物理的証拠を特定する。
関連論文リスト
- World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。
これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。
可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
論文 参考訳（メタデータ） (2026-09-15T06:22:42Z) - Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion [10.321961925577867]
マルチアレイ圧力を人体移動の直接的なフィードバックとして組み込んだフレームワークであるTac4Locoを提案する。
傾斜, 部分非対称, 支持変化のある地形において, 追従性能が改善され, 適応性も向上した。
論文 参考訳（メタデータ） (2026-08-16T14:37:05Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - Event-Conditioned Diagnostics of Kinematic, Contact, and Object-Permanence Fields in Passive Object-State World Models [6.556150313826966]
受動オブジェクト状態世界モデルにおけるイベント条件付潜時物理構造について検討する。
隠れ表現がイベント登録情報をエンコードするかどうかをテストする。
その結果、イベントコンディショニングされた組織と、潜伏した物理的フィールドの固定水平機能感度が支援された。
論文 参考訳（メタデータ） (2026-06-26T10:11:59Z) - Bio-Inspired Event-Based Visual Servoing for Ground Robots [4.2300250650442095]
地上ロボットのための新しいイベントベースビジュアルサーボフレームワークを提案する。
そこで本研究では,生物にインスパイアされたアクティブ・センシング・リミットサイクル・コントローラを提案する。
論文 参考訳（メタデータ） (2026-03-24T19:20:20Z) - From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。
CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。
以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
論文 参考訳（メタデータ） (2026-02-24T15:33:02Z) - From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。
メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
論文 参考訳（メタデータ） (2025-09-25T14:15:43Z) - A Gravity-informed Spatiotemporal Transformer for Human Activity Intensity Prediction [38.079618124577976]
本研究では,重力インフォームド時空間変換器(重力変換器)という物理インフォームド深層学習フレームワークを提案する。
6つの実世界の大規模活動データセットの実験は、最先端のベンチマークよりも、我々のモデルの量的および質的な優位性を実証している。
論文 参考訳（メタデータ） (2025-06-16T16:32:51Z) - Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z)
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。