Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization
この論文は、都市環境における GNSS 信号の劣化に強靭な位置決めを実現するため、固定ラグ周辺化を用いたインクリメンタル最適化により因果的な状態推定を可能にする、リアルタイムの密結合 GNSS-IMU ファクターグラフ最適化手法を提案し、UrbanNav データセットを用いてその性能を検証したものである。
🦾 Category
cs.RO
867 件の論文
MEM: Multi-Scale Embodied Memory for Vision Language Action Models
本論文は、ビデオに基づく短期記憶とテキストに基づく長期記憶を組み合わせることで、15 分を超える長期的なタスクの実行や文脈に応じた適応的な操作戦略の構築を可能にする、ロボット制御のためのマルチスケール具現化記憶（MEM）を提案しています。
UrbanHuRo: A Two-Layer Human-Robot Collaboration Framework for the Joint Optimization of Heterogeneous Urban Services
本論文は、都市サービス間の相互利用を最大化する「UrbanHuRo」という人間・ロボット協働フレームワークを提案し、実世界の配送データを用いた評価により、センサー網の網羅率を約 30%、配達員の収入を約 40% 向上させる効果を実証した。
Large-Language-Model-Guided State Estimation for Partially Observable Task and Motion Planning
この論文は、大規模言語モデルの常識推論能力を活用して、部分的に観測可能な環境におけるタスク・モーション計画の効率を大幅に向上させる階層的な状態推定フレームワーク「CoCo-TAMP」を提案し、シミュレーションおよび実世界での実験で計画・実行時間を著しく短縮できることを示しています。
HALyPO: Heterogeneous-Agent Lyapunov Policy Optimization for Human-Robot Collaboration
この論文は、人間とロボットの協働における学習の不安定さを解消し、一般化性と堅牢性を向上させるため、パラメータ空間におけるリャプノフ条件の強制によって分散型方策勾配を安定化する「HALyPO」という新しい手法を提案し、シミュレーションおよび実世界のヒューマノイドロボット実験でその有効性を検証したものである。
RAGNav: A Retrieval-Augmented Topological Reasoning Framework for Multi-Goal Visual-Language Navigation
本論文は、空間的ハルシネーションや計画の逸脱という課題を解決するため、低レベルのトポロジカル地図と高レベルのセマンティックな森林を統合した「デュアルベイスメモリ」システムを中核とする「RAGNav」というフレームワークを提案し、マルチゴール視覚言語ナビゲーションにおいて最先端の性能を達成したことを示しています。
Interaction-Aware Whole-Body Control for Compliant Object Transport
本論文は、非構造化環境における協働物体運搬の課題を解決するため、強制的な相互作用力を安定して処理し、バランスを維持しながら物体との力学的な相互作用を制御する生体模倣型の相互作用指向全身制御（IO-WBC）を提案し、シミュレーションでの強化学習と教師-生徒蒸留を用いた実機展開により、多様な状況下での安定した物体運搬を実現したことを示しています。
Cognition to Control - Multi-Agent Learning for Human-Humanoid Collaborative Transport
本論文は、視覚言語モデルによる状況把握、分散型マルチエージェント強化学習に基づく意思決定、そして全身制御を 3 層構造で統合した「Cognition to Control」フレームワークを提案し、人間とヒューマノイドロボットが接触安定性を保ちながら協調して物体を運ぶタスクにおいて、従来の単一エージェントやエンドツーエンド手法よりも高い成功率と適応性を達成することを示しています。
Pretrained Vision-Language-Action Models are Surprisingly Resistant to Forgetting in Continual Learning
本論文は、ゼロから学習する小規模モデルと比較して、事前学習された大規模視覚言語行動モデル（VLA）が単純な経験再生を用いても驚くほど忘却に強く、新しいスキルを継続的に習得できることを実証しています。
IROSA: Interactive Robot Skill Adaptation using Natural Language
本論文は、大規模言語モデルと模倣学習を組み合わせ、自然言語による指示でロボットの動作速度や軌道、障害物回避などを安全かつ解釈可能に調整する新しいフレームワーク「IROSA」を提案し、産業用ロボットへの実証実験を通じてその有効性を示したものである。
RVN-Bench: A Benchmark for Reactive Visual Navigation
この論文は、屋内環境における衝突を回避しながら視覚情報のみで目標地点へ到達するタスクに特化した、大規模で多様なシミュレーション環境と評価指標を提供する新しいベンチマーク「RVN-Bench」を提案し、安全かつ堅牢な視覚ナビゲーションの標準化に貢献するものである。
Right in Time: Reactive Reasoning in Regulated Traffic Spaces
本論文は、確率的ファーストオーダー論理に基づく推論の計算コストを削減するため、確率的ミッション設計（ProMis）と反応回路（RC）を統合し、センサーデータの変化に応じた部分的な再評価を行うことで、自律交通システムにおけるリアルタイムかつ正確な確率推論を実現する反応型ミッション設計フレームワークを提案し、実証実験により既存手法と比較して桁違いの高速化を達成したことを示しています。
Self-adapting Robotic Agents through Online Continual Reinforcement Learning with World Model Feedback
この論文は、生物に着想を得たオンライン継続強化学習フレームワークを提案し、世界モデルの予測誤差を用いて分布外イベントを検知して自動微調整をトリガーすることで、ロボットエージェントが実運用中に自己適応・自己改善を実現することを示しています。
Sim2Sea: Sim-to-Real Policy Transfer for Maritime Vessel Navigation in Congested Waters
本研究は、GPU 並列シミュレータ、安全な探索を確保する双ストリーム時空間方策、およびドメインランダム化を組み合わせた「Sim2Sea」というフレームワークを提案し、シミュレーション環境で学習した自律航行制御を、17 トンの実機無人船による混雑水域でのゼロショット転送に成功させたことを報告しています。
SaFeR: Safety-Critical Scenario Generation for Autonomous Driving Test via Feasibility-Constrained Token Resampling
本論文は、現実的な運転分布を学習するトランスフォーマーモデルと、衝突を回避する物理的制約を組み合わせた新しいリサンプリング戦略「SaFeR」を提案し、自動運転システムの安全性評価において、敵対的な臨界性、物理的実現可能性、そして行動の現実性を同時に満たす安全クリティカルなシナリオ生成を実現するものである。
GarmentPile++: Affordance-Driven Cluttered Garments Retrieval with Vision-Language Reasoning
本論文は、視覚的アフォーダンスと大規模言語モデルの推論能力を統合し、SAM2 によるセグメンテーション補正や二腕協調制御を活用することで、実世界における複雑に積み重なった衣類から言語指示に基づき安全かつ正確に単一アイテムを抽出する革新的なロボット操作パイプライン「GarmentPile++」を提案するものである。
Learning Hip Exoskeleton Control Policy via Predictive Neuromusculoskeletal Simulation
本研究は、モーションキャプチャデータや実機調整を一切必要とせず、筋肉シナジーに基づく予測的神経筋骨格シミュレーションと強化学習を用いて、実機でも有効に動作するヒップ型エクソスケルトンの制御ポリシーを開発し、そのスケーラビリティと実用性を実証したものです。
PRAM-R: A Perception-Reasoning-Action-Memory Framework with LLM-Guided Modality Routing for Adaptive Autonomous Driving
本論文は、LLM によるモダリティルーティングと階層的メモリを備えた非同期双ループ設計「PRAM-R」を提案し、計算コストを削減しつつ複雑な都市環境での自律走行の適応性と安定性を向上させることを実証しています。
VANGUARD: Vehicle-Anchored Ground Sample Distance Estimation for UAVs in GPS-Denied Environments
GPS 非依存環境における UAV の絶対スケール推定を可能にするため、VLM の空間スケール推定誤差を補正し、検出された車両の既知寸法と幾何学的アプローチを用いて地面解像度（GSD）を高精度に推定する軽量ツール「VANGUARD」を提案する。
RoboCasa365: A Large-Scale Simulation Framework for Training and Benchmarking Generalist Robots
本論文は、一般化されたロボット政策の研究を促進するために、2,500 の多様なキッチン環境と 365 の日常タスク、さらに膨大な実証・合成データを含む大規模なシミュレーションベンチマーク「RoboCasa365」を提案し、その上での広範な実験を通じてロボット性能に影響を与える要因を明らかにしたものである。