論文の概要: Grounding Object-to-Object Hazard Reasoning into 3D Risk Fields for Task-Conditioned Safety
- arxiv url: http://arxiv.org/abs/2611.17566v1
- Date: Thu, 12 Nov 2026 22:44:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.272227
- Title: Grounding Object-to-Object Hazard Reasoning into 3D Risk Fields for Task-Conditioned Safety
- Title(参考訳): 作業内容安全のための3次元危険領域への接地物体間ハザード推論
- Abstract要約: 本稿では,視覚言語モデル(VLM)に基づく,ロボット操作におけるタスクおよびシーン依存の安全制約を推論するフレームワークを提案する。
我々は,予防可能なハザード,拒絶を必要とするタスク,シミュレーションおよび現実世界における安全な変種に関する枠組みを評価する。
- 参考スコア(独自算出の注目度): 11.710829500106911
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety in robotics does not solely depend on geometric constraints, but also on semantics: the given task, environment properties, and interactions between objects in the scene. We present a framework based on vision-language models (VLMs) to infer task- and scene-dependent safety constraints for robot manipulation. We provide the VLM a structured safety tool based on an RGB-D observation and a natural-language task instruction that first decides whether the task should be rejected since its execution may result in a non-recoverable hazardous outcome. Otherwise, it identifies preventable object-pair hazards and specifies the spatial relations that must be avoided. Open-vocabulary segmentation and depth information are then used to ground the detected objects in 3D and construct continuous risk fields that represent the corresponding hazardous regions. These fields are integrated with an obstacle avoidance module that corrects nominal robot motions during execution while accounting for the risk field. We evaluate the framework on preventable hazards, tasks requiring rejection, and safe variants in simulation and the real-world. Project website: https://vlm-hazard-riskfield.github.io
- Abstract(参考訳): ロボティクスの安全性は、幾何学的制約だけでなく、与えられたタスク、環境特性、シーン内のオブジェクト間の相互作用といった意味論にも依存する。
本稿では,視覚言語モデル(VLM)に基づく,ロボット操作におけるタスクおよびシーン依存の安全制約を推論するフレームワークを提案する。
本稿では,RGB-D観測に基づく構造化された安全ツールと,その実行が非回復不能な有害な結果をもたらす可能性があるため,まずタスクを拒否すべきか否かを判断する自然言語タスク命令を提供する。
さもなければ、予防可能な対空ハザードを特定し、避けるべき空間関係を特定する。
開語彙のセグメンテーションと深度情報は、検出された対象を3次元にグラウンドし、対応する有害領域を表す連続的な危険領域を構築するために使用される。
これらのフィールドは障害回避モジュールと統合され、リスクフィールドを考慮しつつ実行中の名目ロボットの動きを補正する。
我々は,予防可能なハザード,拒絶を必要とするタスク,シミュレーションおよび現実世界における安全な変種に関する枠組みを評価する。
プロジェクトサイト:https://vlm-hazard-riskfield.github.io
関連論文リスト
- Foundation-Model-Guided Topology-Aware Semantic Risk Fields for Manipulation [12.900006436558405]
本稿では,衝突回避を超えた安全操作のための基礎モデル誘導型トポロジ対応セマンティックリスクフィールドを提案する。
GPU並列バックエンドは、オブジェクトレベル距離とリスク計算をバッチして、密度の高い3Dフィールドを構築する。
本研究は,フィールドの遮蔽挙動を完全かつ部分的障壁下で評価し,その3次元表現を画素単位のセマンティック・プライアベースラインと比較する。
論文 参考訳(メタデータ) (2026-09-29T03:46:07Z) - SemSafe-3DGS: Semantic Risk-Aware Active Navigation in Uncertain 3D Gaussian Splatting Maps [0.0]
属性付き3次元ガウス地図におけるナビゲーションのための安全行動認識フレームワークについて述べる。
セマンティック属性は、クラス依存リスク重みを通して平均値-アット・リスク衝突クリアランスモデルを変調する。
実験では、効率的な安全制約、アクティブな知覚によるナビゲーションの改善、意味依存的な軌道適応、そしてアッカーマン力学による実ロボット実行が示されている。
論文 参考訳(メタデータ) (2026-09-16T18:56:13Z) - RoboNav-Arm: Agentic AI-Driven Navigation and Obstacle Avoidance for Robotic Manipulator in Cluttered Environments [1.1638921255130017]
本稿では,効果的な障害回避を伴う安全なタスク実行のためのフレームワークを提案する。
提案手法はGazebo Classicで評価され,動的シナリオにおけるロバスト性を示す。
論文 参考訳(メタデータ) (2026-06-25T07:29:11Z) - SceneTeract: Agentic Functional Affordances and VLM Grounding in 3D Scenes [49.117927512531715]
我々はエージェント固有の制約の下で3Dシーン機能を検証するフレームワークであるSceneTeractを紹介する。
SceneTeractは複雑なアクティビティをアトミックアクションのシーケンスに分解し、アクセシビリティ要求に対して各ステップを検証する。
具体化された3Dシーン理解における知覚と身体的現実を橋渡しするSceneTeract検証スイートとデータをリリースする。
論文 参考訳(メタデータ) (2026-03-31T14:31:18Z) - Contextual Safety Reasoning and Grounding for Open-World Robots [79.98924225712668]
COREは、環境に関する事前の知識なしに、オンラインのコンテキスト推論、接地、執行を可能にする安全フレームワークである。
知覚の不確実性を考慮したCOREの確率論的安全性保証を提供する。
シミュレーションと実世界の実験を通じて、COREは目に見えない環境において、文脈的に適切な振る舞いを強制することを示した。
論文 参考訳(メタデータ) (2026-02-23T15:51:23Z) - Making Infeasible Tasks Feasible: Planning to Reconfigure Disconnected 3D Environments with Movable Objects [7.628322510394639]
初期から目標設定までの衝突のないロボットパスの計画は、環境が切断されたときに失敗することが多い。
BRiDGEは,ロボットやオブジェクトの構成に木をインクリメンタルに構築して,実現可能な計画を計算する,サンプリングベースのプランナである。
本手法は確率論的に完全であることを示すとともに,その有効性を検証した広範な数値実験およびハードウェア実験を行う。
論文 参考訳(メタデータ) (2026-01-06T01:36:09Z) - AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [64.85086226439954]
本稿では,有害な指示に対するVLMエージェントの安全性を評価するためのベンチマークであるSAFEを提案する。
SAFEは、SAFE−THOR、SAFE−VERSE、SAFE−DIAGNOSEの3つの成分からなる。
我々は、ハザード認識を安全な計画と実行に翻訳する体系的な失敗を明らかにする。
論文 参考訳(メタデータ) (2025-06-17T16:37:35Z) - Safe-Construct: Redefining Construction Safety Violation Recognition as 3D Multi-View Engagement Task [2.0811729303868005]
違反認識を3次元多視点エンゲージメントタスクとして再構成するフレームワークであるSafe-Constructを紹介する。
Safe-Constructは、4つの違反タイプにわたる最先端メソッドよりも7.6%改善されている。
論文 参考訳(メタデータ) (2025-04-15T05:21:09Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z)
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。