論文の概要: Hibikino-Musashi@Home 2026 Team Description Paper
- arxiv url: http://arxiv.org/abs/2611.16297v1
- Date: Thu, 12 Nov 2026 04:54:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.362697
- Title: Hibikino-Musashi@Home 2026 Team Description Paper
- Title(参考訳): ひびきのむさし@Home 2026 Team Description Paper
- Abstract要約: 本稿では,IncheonのRoboCup@Home 2026でOpen Platform League向けに開発された統合技術の概要を紹介する。
学習ベースでトレーニング不要なモデルと統合されたビジョンシステムは、未知のオブジェクトと未知のオブジェクトの両方に対して堅牢なオブジェクト認識を可能にする。
貯水池計算フレームワークは、行動認識のための軽量な時間処理モデルとして機能する。
- 参考スコア(独自算出の注目度): 1.263131177420053
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an overview of the integrated technologies developed for the Open Platform League at RoboCup@Home 2026 in Incheon. A vision system integrated with learning-based, training-free models enables robust object recognition for both known and unknown objects. We introduce a RoomPlan-based method that semi-automatically registers furniture geometry and labels to generate semantic maps. Additionally, a large language model-based planner interprets the instructions recognized by Whisper and generates primitive skill sequences for execution. A reservoir-computing framework serves as a lightweight temporal-processing model for action recognition. Its field-programmable gate array-based implementation enables low-power, real-time operation. This is key to removing operational time constraints for service robots. Open-source releases, including task environments, dataset tools, and navigation frameworks, enhance reproducibility, reuse, and continuous progress within the RoboCup@Home community.
- Abstract(参考訳): 本稿では,IncheonのRoboCup@Home 2026でOpen Platform League向けに開発された統合技術の概要を紹介する。
学習ベースでトレーニング不要なモデルと統合されたビジョンシステムは、未知のオブジェクトと未知のオブジェクトの両方に対して堅牢なオブジェクト認識を可能にする。
家具の形状やラベルを半自動登録して意味地図を生成するRoomPlanベースの手法を提案する。
さらに、大きな言語モデルベースのプランナーは、Whisperによって認識された命令を解釈し、実行のためのプリミティブなスキルシーケンスを生成する。
貯水池計算フレームワークは、行動認識のための軽量な時間処理モデルとして機能する。
そのフィールドプログラマブルゲートアレイによる実装は、低消費電力でリアルタイムな操作を可能にする。
これは、サービスロボットの運用時間の制約を取り除くための鍵です。
タスク環境、データセットツール、ナビゲーションフレームワークを含むオープンソースリリースでは、再現性、再利用性、RoboCup@Homeコミュニティ内での継続的な進捗が強化されている。
関連論文リスト
- RoboCousin: Build Your Own Simulation Playground for Robust Bimanual Robotic Manipulation [16.581929671943325]
双方向操作ポリシーは、大規模で多様なトレーニングデータセットを必要とする。
既存のパイプラインは通常、クローズドアセットライブラリと事前に定義されたシーン内で動作します。
本稿ではシミュレーションベースのデータ生成プラットフォームであるRoboCousinを紹介する。
論文 参考訳(メタデータ) (2026-09-08T07:13:07Z) - Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation [39.9928148956981]
本報告では,実験室型タスクのためのOpenArmベースのモバイル操作プロトタイプを提案する。
デュアルOpenArmマニピュレータをモバイルベース、垂直スライド、RGB-Dセンシング、ライダーベースのマッピング、ROS2/MoveItの実行、プロファイル定義スキルインターフェースと統合して構築されている。
プロトタイプは、キャリブレーションの欠如、不完全なオブジェクトアセット、そして明示的なデプロイメントブロッカーとしての未完成のビジュアルグラウンドをいかに公開するかを示す。
論文 参考訳(メタデータ) (2026-08-07T12:19:50Z) - RoboTALES: Learning Reasoning-Guided Robot Policies via Task-Aligned Simulated Futures [51.85284871989367]
タスク整合型未来を学習し,ロボットポリシーのトレーニングに使用するフレームワークであるRoboTALESを提案する。
提案手法では,(1)複雑なタスクを一連のサブゴールに分割してモデルの想像を導く階層的LCMベースのプランナ,(2)これらの将来性を評価し,モデルの内部表現を目標に集中させるために報酬に基づくフィードバックを利用するVLMベースの批判,という2つの重要なイノベーションを導入する。
論文 参考訳(メタデータ) (2026-07-07T08:58:29Z) - RoboAct-CLIP: Video-Driven Pre-training of Atomic Action Understanding for Robotics [22.007302996282085]
本稿では,コントラスト言語-画像事前学習(CLIP)アーキテクチャに基づく時間分解微調整戦略を提案する。
シミュレーション環境での結果は,RoboAct-CLIP事前学習モデルがベースラインのビジュアル言語モデルよりも12%高い成功率を達成することを示す。
論文 参考訳(メタデータ) (2025-04-02T19:02:08Z) - Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。
この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。
本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
論文 参考訳(メタデータ) (2024-10-16T19:59:31Z) - Embodied Instruction Following in Unknown Environments [64.57388036567461]
未知環境における複雑なタスクに対するEIF(Embodied instruction following)法を提案する。
我々は,ハイレベルなタスクプランナと低レベルな探索コントローラを含む,階層的な具体化命令に従うフレームワークを構築した。
タスクプランナに対しては、タスク完了プロセスと既知の視覚的手がかりに基づいて、人間の目標達成のための実行可能なステップバイステッププランを生成する。
論文 参考訳(メタデータ) (2024-06-17T17:55:40Z) - Interactive Planning Using Large Language Models for Partially
Observable Robotics Tasks [54.60571399091711]
大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。
LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
論文 参考訳(メタデータ) (2023-12-11T22:54:44Z) - Interactive Semantic Map Representation for Skill-based Visual Object
Navigation [43.71312386938849]
本稿では,室内環境との相互作用にともなうシーンセマンティックマップの表現について紹介する。
我々はこの表現をSkillTronと呼ばれる本格的なナビゲーション手法に実装した。
提案手法により,ロボット探索の中間目標とオブジェクトナビゲーションの最終目標の両方を形成できる。
論文 参考訳(メタデータ) (2023-11-07T16:30:12Z) - VoxPoser: Composable 3D Value Maps for Robotic Manipulation with
Language Models [38.503337052122234]
大規模言語モデル(LLM)は、ロボット操作のために抽出できる豊富な行動可能な知識を持っていることが示されている。
我々は,オープンな命令セットとオープンなオブジェクトセットが与えられた様々な操作タスクに対して,ロボット軌道を合成することを目指している。
筆者らは,接触に富んだインタラクションを含むシーンのダイナミックスモデルを効率的に学習することで,提案フレームワークがオンライン体験の恩恵を享受できることを実証する。
論文 参考訳(メタデータ) (2023-07-12T07:40:48Z) - 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)
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。