論文の概要: Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots

• arxiv url: http://arxiv.org/abs/2611.00158v1
• Date: Fri, 30 Oct 2026 08:49:42 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:36:58.578736
• Title: Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots
• Title（参考訳）: 信頼された自律性のスケーリング - 汎用的な検証可能なロボットを目指して
• Abstract要約: この論文は、信頼できる自律性のスケーリングには、堅牢なロボットの振る舞いを象徴する構造を持つ学習モデルの一般化を統一する神経象徴的なアプローチが必要であると主張している。 まず、LIMPは基礎モデルと空間推論を用いて、自然言語命令を明示的なタスク制約で基礎付ける。 第二に、REALMは編集可能でフォトリアリスティックな3Dガウスのシーンを維持し、計画された操作の結果を予測する。 第3に、PACTSは行動軌跡とそれらの象徴的効果の予測を共同で生成する視覚運動能力を学ぶ。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Robots powered by foundation models are increasingly able to interpret open-ended language, recognize unfamiliar objects, and operate across diverse environments. Yet broader capability does not establish that a robot has understood a request, that its actions will produce the intended effects, or that its internal representation still corresponds to reality. Classical symbolic planning provides explicit structure for composition and verification, but traditionally depends on hand-engineered skills and representations. Learned policies can broaden the robot's repertoire, but provide weak guarantees about what will happen and why. This thesis argues that scaling trusted autonomy requires a neurosymbolic approach that unifies the generality of learned models with symbolic structure for robust robot behavior. It explores three complementary directions. First, LIMP uses foundation models and spatial reasoning to ground natural-language instructions in explicit task constraints and instruction-specific semantic maps, enabling task-and-motion planning while exposing the robot's interpretation for inspection. Second, REALM maintains an editable, photorealistic 3D Gaussian scene, predicts the consequences of planned manipulation, and locally reconciles the scene so that subsequent instructions obtain their grounding and planning geometry from an updated state. Third, PACTS learns visuomotor skills that jointly generate action trajectories and predictions of their symbolic effects, supporting skill composition, progress monitoring, and recovery through replanning. Together, these contributions preserve explicit structure for reasoning and verification while broadening how it is obtained, providing a foundation for generally capable robots whose behavior can be assessed under the assumptions of their models.
• Abstract（参考訳）: ファンデーションモデルを利用したロボットは、オープンエンド言語を解釈し、未知の物体を認識し、多様な環境をまたいだ操作を行うことができるようになっている。 しかし、より広範な能力は、ロボットが要求を理解し、その行動が意図した効果を生み出すか、あるいはその内部表現が依然として現実と一致することを証明していない。 古典的シンボリックプランニングは、構成と検証のための明示的な構造を提供するが、伝統的に手書きのスキルと表現に依存している。 学習されたポリシーはロボットのレパートリーを広げるが、何が起こるのか、なぜ起こるのかについて弱い保証を提供する。 この論文は、信頼できる自律性のスケーリングには、堅牢なロボットの振る舞いを象徴する構造を持つ学習モデルの一般化を統一する神経象徴的なアプローチが必要であると主張している。 3つの補完的な方向を探索する。 第一に、LIMPは基礎モデルと空間推論を用いて、明示的なタスク制約と命令固有の意味マップで自然言語命令を基盤とし、ロボットのインスペクションの解釈を公開しながらタスク・アンド・モーション・プランニングを可能にする。 第二に、REALMは編集可能でフォトリアリスティックな3Dガウスのシーンを維持し、計画された操作の結果を予測する。 第三に、PACTSは行動軌跡を共同で生成し、その象徴効果の予測、スキル構成のサポート、進捗監視、リプランニングによるリカバリを学習する。 これらのコントリビューションは、推論と検証のための明示的な構造を維持しながら、どのように得られるかを広げ、モデルの仮定に基づいて行動を評価することができる一般的な有能ロボットの基盤を提供する。

関連論文リスト

• AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding [55.535374902204296]
  AffordanceVLAは、タスク指向の中間表現として構造化された価格予測を導入する統一フレームワークである。 AffordanceVLAは様々な操作シナリオで高いパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-04T13:28:51Z)
• PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
  我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
  論文  参考訳（メタデータ） (2026-04-30T06:14:02Z)
• Action Hallucination in Generative Visual-Language-Action Models [10.389360557790694]
  Vision-Language-Actionモデルは、手作業で設計されたプランナーをエンドツーエンドの生成アクションモデルに置き換えている。 身体的制約に違反する行動幻覚とその計画レベルの失敗への拡張を分析する。 幻覚は、実現可能なロボット行動と一般的なモデルアーキテクチャの間の構造的ミスマッチから生じることが多いことを示す。
  論文  参考訳（メタデータ） (2026-02-06T03:05:30Z)
• Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
  本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。 物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。 ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
  論文  参考訳（メタデータ） (2026-01-13T23:36:30Z)
• Mechanistic Finetuning of Vision-Language-Action Models via Few-Shot Demonstrations [76.79742393097358]
  Vision-Language Action (VLA)モデルは、視覚言語モデル(VLM)をロボット工学に拡張することを約束している。 既存の微調整手法には特異性がなく、タスクの視覚的、言語的、物理的特性に関わらず、同じパラメータセットを適用する。 神経科学における機能的特異性に触発されて、与えられたタスクに特有のスパースモデル表現を微調整することがより効果的である、という仮説を立てる。
  論文  参考訳（メタデータ） (2025-11-27T18:50:21Z)
• Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
  VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。 本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。 G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-10-09T09:08:33Z)
• From Real World to Logic and Back: Learning Generalizable Relational Concepts For Long Horizon Robot Planning [16.115874470700113]
  本稿では,ロボットが少数の生・未分割・無注釈のデモから直接,記号的・関係的概念を創出することを可能にする方法を提案する。 我々のフレームワークは手動のシンボルモデルと同等のパフォーマンスを達成し、一方、トレーニングをはるかに超越した実行地平線へのスケーリングを実現している。
  論文  参考訳（メタデータ） (2024-02-19T06:28:21Z)
• Planning for Learning Object Properties [117.27898922118946]
  我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。 トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。 シミュレーションと実環境の両方で実験的な評価を行う。
  論文  参考訳（メタデータ） (2023-01-15T09:37:55Z)
• DeepSym: Deep Symbol Generation and Rule Learning from Unsupervised Continuous Robot Interaction for Planning [1.3854111346209868]
  ロボットアームハンドシステムは、プッシュとスタックアクションから「ロータブル」、「インサータブル」、「ラーガー・サン」と解釈できるシンボルを学習する。 本システムは,ロボットアームハンドシステムにおいて,その動作から「回転可能」,「不可能」,「大きい」と解釈可能なシンボルを学習する物理に基づく3次元シミュレーション環境で検証する。
  論文  参考訳（メタデータ） (2020-12-04T11:26:06Z)

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。