論文の概要: LLM-guided Planar Loco-Manipulation for Quadruped Robots

• arxiv url: http://arxiv.org/abs/2610.40248v1
• Date: Thu, 29 Oct 2026 15:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.523329
• Title: LLM-guided Planar Loco-Manipulation for Quadruped Robots
• Title（参考訳）: 四足歩行ロボットのLCM誘導平面ロコマニピュレーション
• Abstract要約: ロボットナビゲーションは通常、目標への衝突のないルートが存在すると仮定する。 移動障害物のある散らばった環境では、目標に達するには物理的相互作用が必要になるかもしれない。 我々は、スキル、関連する対象、幾何学的対象を共同で選択する、より広い決定空間を考える。 我々の言語条件付きタスクプランナは、合成データに基づいてLoRAを微調整し、自然言語タスクをマッピングし、構造化されたシーン表現を行う。
• 参考スコア（独自算出の注目度）: 3.67653335344845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic navigation typically assumes a collision-free route to the goal exists; in cluttered environments with movable obstacles, however, reaching the goal may require physical interaction. Classical solutions encode these behaviors through geometric rules and task-specific logic, while learning-based approaches often constrain the decision space to low-dimensional motion commands or predefined action sets. We instead consider a broader decision space, jointly selecting the skill, relevant object, and geometric target. Our language-conditioned task planner, fine-tuned with LoRA on synthetic data, maps natural-language tasks and a structured scene representation to variable-length sequences of parameterized actions, executed by low-level reinforcement-learning policies. The planner learns the geometric relations underlying interactive navigation and outperforms a classical planner and a prompted frontier model on interactive navigation tasks. Comparisons with models trained from scratch indicate that composition does not require pretraining when the representation is structured, whereas pretraining yields more reliable geometric targets. At the low level, we introduce an end-to-end whole-body planar pushing policy that achieves a 93.3% success rate in simulation, versus 83.5% for a hierarchical baseline, while reducing completion time by more than 60%. On hardware, the hierarchy yields the correct skill composition in 44/45 trials and end-to-end success in 34/45. Project website: https://anonymousprojects-dev.github.io/LLM-guided-LocoManipulation-Quadrupeds/
• Abstract（参考訳）: ロボットナビゲーションは、通常、目標への衝突のないルートが存在すると仮定する。 古典的な解法は、これらの振る舞いを幾何学的な規則やタスク固有の論理を通じてエンコードするが、学習に基づくアプローチは、決定空間を低次元のモーションコマンドや事前定義されたアクションセットに制約することが多い。 代わりに、スキル、関連するオブジェクト、幾何学的ターゲットを共同で選択して、より広い決定空間を考える。 我々の言語条件付きタスクプランナは、合成データ上でLoRAを微調整し、自然言語タスクと構造化されたシーン表現をパラメータ化されたアクションの可変長シーケンスにマッピングし、低レベル強化学習ポリシーで実行します。 プランナーは、対話型ナビゲーションの基礎となる幾何学的関係を学習し、対話型ナビゲーションタスクにおいて古典型プランナーと引き起こされたフロンティアモデルより優れる。 スクラッチからトレーニングされたモデルと比較すると、表現が構造化されたとき、構成が事前学習を必要としないことが示され、事前学習はより信頼性の高い幾何学的目標をもたらす。 低レベルでは、シミュレーションにおいて93.3%の成功率を達成するエンド・ツー・エンド・ボディ・プラナー・プッシュ・ポリシーを導入し、階層ベースラインでは83.5%を達成し、完了時間を60%以上短縮した。 ハードウェア上では、階層構造は44/45トライアルで正しいスキル構成、34/45でエンドツーエンドの成功をもたらす。 プロジェクトウェブサイト:https://anonymousprojects-dev.github.io/LLM-guided-LocoManipulation-Quadrupeds/

関連論文リスト

• Learning Interaction-Aware Path Corrections from Unlabeled Trajectories: A LiDAR-Based Sim-to-Real GNN Framework for Construction Robots [1.9473307808172182]
  本稿では,ラベルのない実演から対話を考慮した経路修正を学習する,リアルタイムLiDARのみのフレームワークを提案する。 ブロッキング試験では、GNNはパスの不規則性を39.2%減らし、TTCを最小限に増やした。
  論文  参考訳（メタデータ） (2026-10-25T04:45:26Z)
• Planning under Noise with Neural Operators [69.53338532337057]
  不確実な制御実行ノイズの下での計画には、多様な環境における信頼性の高いフィードバックポリシーが必要である。 本研究では,未知の測地における計画のための雑音認識値場を学習するニューラル演算子であるプランニング・アンダーノイズ(PUN)を紹介する。
  論文  参考訳（メタデータ） (2026-10-20T17:58:30Z)
• Training-Free Multi-Agent Cooperative Embodied Search from Uncertain Vision-Language Priors [32.12852663159098]
  VLN(Real-world Vision-Language Navigation)は、エージェントが部分的に観測可能である必要がある。 本稿では,地図レス環境における協調型マルチエージェント探索のための軽量で,トレーニング不要で,不確実性を意識したフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-10T16:22:39Z)
• HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness [30.61739879302674]
  身体的ナビゲーションでは、エージェントは空間観測において指示や目標を下ろす必要がある。 本稿では,ゼロショットでトレーニング不要なフレームワークであるHarnessVLNを紹介した。
  論文  参考訳（メタデータ） (2026-09-14T08:15:56Z)
• Sparse2Act: Learning Action-Aligned Sparse 3D Representations for Cross-Domain Robot Manipulation [52.00134393320209]
  Sparse2Actは、スパースポイントクラウドエンコーダの事前学習のための観測・動作アライメントフレームワークである。 マスク付きスパース3Dトークンは、観察と組み合わせたワークスペース運動の周囲のシーン特徴を整理するために訓練される。 LIBERO-10ベンチマークでは,500ステップの微調整を行い,平均86.9%の成功を達成した。
  論文  参考訳（メタデータ） (2026-06-10T23:56:01Z)
• ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation [53.95797153529148]
  身体的エージェントは、主に部分的な自我中心の観測に依存するため、効率的なナビゲーションに苦しむことが多い。 本稿では,マルチモーダル大規模言語モデル(MLLM)と決定論的プランナを結合することにより,この理由に基づくパラダイムを運用する,人間にインスパイアされたフレームワークであるReasonNaviを紹介する。
  論文  参考訳（メタデータ） (2026-01-26T19:09:20Z)
• Context Matters! Relaxing Goals with LLMs for Feasible 3D Scene Planning [1.5391321019692432]
  身体的エージェントは、現実の複雑な3D環境で確実に計画し、行動する必要がある。 我々は、LLM(Large Language Models)と古典的なプランニングを融合するフレームワークであるContextMattersを紹介します。 実験の結果,LLMs+PDDLベースラインよりも52.45%成功率が向上した。
  論文  参考訳（メタデータ） (2025-06-18T19:14:56Z)
• Adaptive Interactive Navigation of Quadruped Robots using Large Language Models [14.14967096139099]
  大規模言語モデル(LLM)を用いたタスク計画のための原始木を提案する。 動作計画のための多目的移動と相互作用行動を含む総合的なスキルライブラリを事前学習するために強化学習を採用する。 ツリー構造に統合されたリプランニングメカニズムにより、便利なノードの追加とプルーニングが可能になる。
  論文  参考訳（メタデータ） (2025-03-29T02:17:52Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)

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。