論文の概要: How exposed is work to robotics? Occupational, industry, and geographic measures

• arxiv url: http://arxiv.org/abs/2610.24267v1
• Date: Fri, 16 Oct 2026 21:54:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:48:14.712583
• Title: How exposed is work to robotics? Occupational, industry, and geographic measures
• Title（参考訳）: ロボット工学における仕事の露出度 : 職業的,産業的,地理的指標
• Abstract要約: ロボット工学と物理AIの最初の能力に基づく露光対策を構築した。 ロボティクスの露出は、建設、農業、輸送、生産といった物理的に集中した仕事に集中している。 生成AIの露出とは異なり、ROEは低い賃金、低い教育要件、創造性のある内容の職業において高い。
• 参考スコア（独自算出の注目度）: 1.6725669564247125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exposure indices that map technical capabilities onto occupational abilities have become a standard tool for anticipating how AI may reshape work, but existing measures either cover software AI or proxy robotics through patents and installation data that reflect the industrial robots of past decades. We construct the first abilities-based exposure measures for robotics and physical AI, and the first to span occupations, industries, and geographies. Following the framework of Felten et al. (2018, 2021), we build a robotics capability taxonomy of 16 capabilities in eight domains from 78 academic, industry, and standards sources, use a large language model to score the relatedness of each capability to the 52 ONET work abilities, and aggregate to Robotics Occupational Exposure (ROE) for 774 occupations, Robotics Industry Exposure (RIE) for 250 NAICS industries, and county-level Robotics Geographic Exposure (RGE). We find that robotics exposure concentrates in physically intensive work such as construction, farming, transportation, and production, and in industries such as logging, mining, trucking, and warehousing. Unlike generative-AI exposure, ROE is higher in occupations with lower wages, lower education requirements, and less creative-ability content. Physical collaboration and assistance, terrain-based locomotion, grasping and handling, and task and functional reasoning move the exposure ranking most, yet no single capability carries the index. Because the measures capture technical relatedness rather than readiness, cost, or adoption, they should be read as an upper bound on where physical automation could affect work.
• Abstract（参考訳）: 技術的能力を職業能力にマッピングする露光指標は、AIがどのように機能を再形成するかを予測する標準的なツールとなっているが、既存の手段は、ソフトウェアAIや、過去数十年の産業用ロボットを反映した特許やインストールデータを通じてロボットをプロキシする。 我々は、ロボット工学と物理AIのための最初の能力に基づく露光対策を構築し、職業、産業、地理にまたがる最初の手段を構築した。 Felten et al (2018, 2021) の枠組みに従い、78の学術、産業、標準資料から8つの領域で16の能力のロボティクス能力の分類を構築し、52のONET作業能力にそれぞれの能力の関連性を評価するために大きな言語モデルを使用し、774の職業のロボティクス Occupational Exposure (ROE) 、250のAICS産業のためのロボティクス産業 Exposure (RIE) 、および郡レベルのロボティクス・ジオグラフィック・エクスポージャー (RGE) に集約した。 ロボットの露出は、建設、農業、輸送、生産といった物理的に集中的な仕事や、伐採、鉱業、トラック、倉庫などの産業に集中している。 生成AIの露出とは異なり、ROEは低い賃金、低い教育要件、創造性のある内容の職業において高い。 物理的なコラボレーションと支援、地形に基づく移動、把握とハンドリング、タスクと機能的推論は、露出ランキングを最も多く動かすが、単一の能力がインデックスを担っているわけではない。 準備、コスト、導入よりも技術的な関連性を捉えているため、物理的な自動化が仕事に与える影響の上限として読むべきです。

関連論文リスト

• Scaling Online Exploration for Robot Agents [147.6570058866968]
  RAX(Robot Agent eXploration)は、ロボットエージェントのためのオープンソースのフレームワークである。 本稿では,単腕,両腕,外陰部,移動体,ヒューマノイドシステムを用いて,オンライン探索の精度向上と長期操作作業のスケールについて検討する。 RAXは、人間のデモンストレーションなしで、メモリ依存、調音、高精度、変形可能、および長距離移動操作タスクを自律的に学習する。
  論文  参考訳（メタデータ） (2026-10-15T18:00:28Z)
• Towards Agentic Robots: Model, Data, Environment, and Harness [104.80019217099614]
  ファンデーションモデルは、ロボットインテリジェンスにおけるパラダイムシフトを推進している。 我々はこのパラダイムをエージェントロボットとして特徴付け、エージェントが人間の指示を理由づける。 本稿では,エージェントロボットに関する既存の研究の概要について述べる。
  論文  参考訳（メタデータ） (2026-10-14T16:32:22Z)
• When Does AI Augment Work? A Workflow-Level Framework for Human-Agent Collaboration [78.16115745870405]
  職場における人工知能の価値を特徴付けることを目的としている。 現在の研究は、この価値を、現在の自動化能力とAIの公的な採用の観点から大きく測定している。 これを考慮するためには、今日の微粒化タスクを超えて分析の範囲を広げなければならない。
  論文  参考訳（メタデータ） (2026-09-11T06:29:34Z)
• The Iceberg Index: Measuring Workforce Exposure Across the AI Economy [14.006405783858703]
  Iceberg Indexは、AIが転職結果や採用スケジュールではなく、作業タスクを実行できる技術露出をキャプチャする。 このインデックスは、AIが転職結果や採用スケジュールではなく、職業的タスクを実行できる技術露出をキャプチャする。
  論文  参考訳（メタデータ） (2025-10-29T03:30:45Z)
• Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
  自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。 N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。 モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
  論文  参考訳（メタデータ） (2025-07-30T09:48:34Z)
• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce [45.348336032930845]
  作業員がAIエージェントの自動化や強化を望んでいるかを評価するための新しい枠組みを導入する。 我々のフレームワークは、ニュアンスな労働者の欲求を捉えるために、オーディオ強化されたミニインタービューを備えている。 我々はWORKBankデータベースを構築し、1500のドメインワーカーの好みとAI専門家の能力評価を収集する。
  論文  参考訳（メタデータ） (2025-06-06T23:05:52Z)
• Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
  米国の雇用の3分の1はAIに強く依存しており、主に大学院または大学院の教育を必要とする高度な職業で行われている。 高度な職業であっても、AIはタスク置換において高い多様性を示し、AIと人間は同じ職業の中で相互に補完することを示唆している。 すべての結果、モデル、コードはオンラインで公開されており、コミュニティが結果を再現し、結果を比較し、私たちの仕事をベンチマークとして使用して、時間とともにAIの進捗を監視します。
  論文  参考訳（メタデータ） (2024-07-27T08:14:18Z)
• Contextual Affordances for Safe Exploration in Robotic Scenarios [1.7647943747248804]
  本稿では,家庭を対象としたロボットシナリオにおいて,安全な探索と学習を可能にするために,文脈割当の利用について検討する。 より広い状態空間にコンテクストアプライアンスを拡張可能な,シンプルな状態表現を提案する。 長期的には、この研究は複雑な家庭環境における人間とロボットの相互作用の将来の探索の基礎となるかもしれない。
  論文  参考訳（メタデータ） (2024-05-10T12:12:38Z)
• Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
  理解の研究は、ロボットに世界が何を意味するのかを決定する。 人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。 ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
  論文  参考訳（メタデータ） (2021-01-02T12:34:39Z)

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。