論文の概要: Robot Generalization Beyond Volume: The Diversity Path via Zero-Shot Capabilities

• arxiv url: http://arxiv.org/abs/2610.29829v1
• Date: Wed, 21 Oct 2026 14:51:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.386375
• Title: Robot Generalization Beyond Volume: The Diversity Path via Zero-Shot Capabilities
• Title（参考訳）: 数量を超えるロボットの一般化:ゼロショット機能による多様性の道
• Abstract要約: 汎用ロボットは、訓練されたことのないタスク、オブジェクト、環境を扱わなければならない。 デジタルAIでは、トレーニングデータのボリュームと多様性によってゼロショット能力が向上した。 本稿では,マルチモーダルアライメント,生成的拡張,ノイズラベル学習を組み合わせたロボット行動のための共用潜在空間を提案する。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General-purpose robots must handle tasks, objects and environments they were never trained on, yet zero-shot generalization remains one of the least solved problems in physical AI. In digital AI, zero-shot capability grew with the volume and, above all, the diversity of training data, much of it sourced from the crowd. Robotics instead relies on paid collection by a few well-funded teams, which yields volume without diversity. We formulate zero-shot generalization in physical AI as coverage of the deployment distribution, and show that more samples from the same collectors shrink the unseen region only slowly, while each new contributor can extend it. Building on this and on zero-shot learning, we propose a shared latent space for robot actions that combines multi-modal alignment, generative augmentation, and noisy-label learning. As a scalable source of diverse data, we propose a community of developers building applications on one standard, approachable robot, Origami. We close with a testable hypothesis and an evaluation protocol relating real-robot zero-shot success to the diversity of contributed data.
• Abstract（参考訳）: 汎用ロボットは、訓練されたことのないタスクやオブジェクト、環境を扱わなければならないが、ゼロショットの一般化は、物理AIにおいて最も解決されていない問題の1つだ。 デジタルAIでは、ゼロショットの能力はボリュームとともに増大し、トレーニングデータの多様性は、そのほとんどが群衆から引き出されたものだ。 代わりにロボティクスは、資金の豊富ないくつかのチームによる有償の収集に頼っている。 物理AIにおけるゼロショットの一般化をデプロイメント分布のカバレッジとして定式化し、同じコレクタからのサンプルが徐々に減少する一方、新しいコントリビュータはそれを拡張可能であることを示す。 これとゼロショット学習に基づいて,マルチモーダルアライメント,生成強化,ノイズラベル学習を組み合わせたロボット行動のための共用潜在空間を提案する。 多様なデータのスケーラブルなソースとして、1つの標準的なアプローチ可能なロボットOrigami上にアプリケーションを構築する開発者のコミュニティを提案する。 実験可能な仮説と実ロボットゼロショットの成功と貢献データの多様性を関連づけた評価プロトコルに近づいた。

関連論文リスト

• When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence [6.805838399260224]
  ロボットは知覚制御パイプラインからクローズドループシステムへとシフトする。 本稿では,ロボットチームが蓄積し,世界コンテキストを共有リソースとして利用する,未来のマルチロボットパラダイムであるEmbodied Collective Intelligence(ECI)について考察する。
  論文  参考訳（メタデータ） (2026-06-26T10:21:52Z)
• JoyAI-RA 0.1: A Foundation Model for Robotic Autonomy [90.77129709149574]
  JoyAI-RAは、汎用的なロボット操作に適した、視覚言語対応の基盤モデルである。 JoyAI-RAは、特に人間の操作とロボット制御の間において、具体化のギャップを埋める。 シミュレーションと実世界のベンチマークの両方で最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-04-22T01:51:48Z)
• RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation [37.52152452548065]
  RoboGeneは多様な物理的に可能な操作タスクを生成するために設計されたエージェントフレームワークである。 広範に定量的な分析と大規模な実世界の実験を行い、18k軌道のデータセットを収集した。 結果は、RoboGeneが最先端の基礎モデルよりも大幅に優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-18T13:29:43Z)
• Capability-Aware Shared Hypernetworks for Flexible Heterogeneous Multi-Robot Coordination [1.5970870882365]
  マルチロボットチームのための能力認識共有ハイパーネットワークス(CASH)を提案する。 CASHは、ハイパーネットワークを使用してフレキシブルな共有ポリシを効率的に学習する、ソフトウェイト共有アーキテクチャである。 トレーニングとゼロショットの一般化の両方において、CASHは性能とサンプル効率の点で、ベースラインアーキテクチャを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-01-10T15:39:39Z)
• RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in One-Shot [56.130215236125224]
  オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。 単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。 本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
  論文  参考訳（メタデータ） (2023-07-02T15:33:31Z)
• Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
  インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。 提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。 デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
  論文  参考訳（メタデータ） (2023-06-09T07:22:12Z)
• Learning Generalizable Robotic Reward Functions from "In-The-Wild" Human Videos [59.58105314783289]
  ドメインに依存しないビデオ識別器(DVD)は、2つのビデオが同じタスクを実行しているかどうかを判断するために識別器を訓練することによりマルチタスク報酬関数を学習する。 DVDは、人間のビデオの広いデータセットで少量のロボットデータから学習することで、一般化することができる。 DVDと視覚モデル予測制御を組み合わせることで、実際のWidowX200ロボットのロボット操作タスクを単一の人間のデモから未知の環境で解決できます。
  論文  参考訳（メタデータ） (2021-03-31T05:25:05Z)

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。