登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 ロボット学習
ロボット学習 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
ロボット学習 を含む検索結果
ロボット学習を支える3技術、スリーディーが展示へ…EdgeTech+ 2026
🤖 高価なロボット実演データの不足を、私たちの「一人称視点の日常動画」で補う。人間の手の動きをロボットの行動に変換してVLAを学習させる研究です。 📰 タイトル: ACE-Ego-0: Unifying Egocentric Human and Robotic Data for VLA Pretraining 🔗 URL: 💡 概要 ロボットの実演データと、Ego4DやEPIC-KITCHENSのような一人称視点の人間動画を統一して、Vision-Language-Action(VLA)モデルを事前学習する枠組み「ACE-Ego-0」の提案です。合計6,000時間超のデータで学習しています。 🔍 解決する課題 ロボット実演の収集は高コストですが、人間動画は安価で豊富です。ただし両者は行動空間・身体構造・時間の進み方・教師信号の品質がバラバラで、素朴に混ぜると学習が壊れてしまう点が課題でした。 🛠 方法論と提案手法 ・行動を頭部カメラ座標系の6D回転で統一表現し、人間の手もエンドエフェクタとして扱う ・ロボットのURDFをGNNでモルフォロジートークン化し構造差を吸収 ・固定ステップでなく一定の物理時間でチャンク分割して時間を整列 ・ノイジーな人間動画には信頼性重み付け損失を適用し、信頼できる位置情報に集中 📊 ユースケース / 実験結果 シミュレーションのRoboCasaで平均72.8%(GR00T-N1.6の47.6%を大きく上回る)、RoboTwin 2.0で約91%を達成。実機の両腕ロボットでも平均78.3%(π0.5は71.7%)。特にロボット実演34件しかないタスクで、人間動画419本を足すと成功率が10%→40%へと4倍に改善しました。 #ロボット学習# #VLA#
もっと見る
【ID登録締切まであと3日】 Physical AI 基礎編 知能ロボティクス講座のID登録締切まで、あと3日(講座募集締切はあと5日)となりました。 AI×ロボットや、現実世界で動くAIに関心がある方におすすめの講座です。 本講座では、データ収集、ロボット基盤モデルの学習、シミュレーターなど、 Physical AI領域を支える技術を体系的に学びます。 また、強化学習やロボット学習、実運用時の課題など、 最新研究から実践的な知識まで幅広く扱います。 ※機械学習・深層学習の基礎知識を前提としております。 🗓️ID登録締切 6/15(月)13:00 🗓️募集締切  6/17(水)13:00 ▼講座詳細・ID登録はこちら
もっと見る
🏠 「文章で部屋を説明したら、ロボットがそのまま動かせる物理シーンが丸ごと出てくる」——そんなシステムが ICML 2026 Spotlight に登場しました。MITとToyota Research Instituteの研究です。 タイトル: nepfaff/scenesmith(SceneSmith) URL: 🏠 概要 SceneSmithは、自然言語の説明文から、物理シミュレーションにそのまま使える屋内シーンを自動生成するエージェント型システムです。家具・壁掛けの鏡や絵画・天井のシャンデリア・机の上の小物まで、質量や慣性といった物理特性を備えた形で生成され、ロボットの学習や評価に直接使えます。 ❓ 解決する課題 ロボットシミュレーション向けのリアルな屋内シーンは、これまで手作業のモデリングや面倒な配置作業が必要で、大規模な評価・学習のボトルネックでした。SceneSmithはテキストから多様で文脈的に一貫したシーンを自動生成し、この手間を解消します。 💡 方法論と提案手法 シーン生成は5段階の逐次パイプラインで進みます。 ・フロアプラン生成(壁や床のレイアウト) ・大型家具の配置 ・壁掛けオブジェクト(鏡、絵画、棚、時計) ・天井設備(シャンデリア、ペンダントライト、シーリングファン) ・操作可能な小物 各ステージ後にチェックポイントを自動保存し、途中から再開・分岐できます。シーン推論やタスク分解にはVLMエージェント(GPT-5)を使います。 🎯 ユースケースと技術 ・3Dアセットは高品質なSAM3D(推奨)やHunyuan3D-2で生成、HSSDやObjaverseからの取得にも対応 ・AmbientCGのPBRマテリアルをCLIPの意味検索で適用し、ArtVIPやPartNet-Mobilityの関節付き可動オブジェクトも扱える ・出力はDrake形式に加え、MuJoCoやUSD・Isaac Simへエクスポート可能 📊 注目ポイント ・「ボウルから果物を見つけて皿に置く」のようなタスクから、制約付きの複数シーンを自動生成しロボット評価まで支援 ・151語のプロンプトからコミュニティセンターを生成し、卓球台の近くにラケットとボールを置くなど文脈推論まで実現 ・複数GPUへ分散し、bubblewrapでGPUを隔離してレンダリングのOOMを防止 #ロボティクス# #シーン生成#
もっと見る
「現実世界の良いデータ」をどう集めるか? @XSquareRobotのQUANXTA Zero Seriesは、人間の動作をVRヘッドセット、ヘッドバンド、グリッパーで収集し、ロボットが学習できるデータへ変換する仕組み。 ロボット開発で次に競争になるのは、「学習データをどう量産するか」。
もっと見る
人の動きを学習するロボット、トヨタが40万台更新へ!→2028年以降は毎年1兆円を投資、フィジカルAIで工場をつなぐ Tシャツを畳む動作から学習を始め、工場全体の自動化を狙います。
もっと見る
生成AIと議論して遊んでたらちょっとだけ考えさせられたので、久しぶりに投稿します。 マルクスは「手動の製粉機は封建社会を、蒸気の製粉機は資本主義社会を産む」と言いました。これは生産力とその所有が産み出す階級関係を端的に言い表したもの。 では「AIロボットによる製粉機」はどんな社会を産むのだろうか。 AIと何度かやりとりした結果、AIの結論はこうです。 『手動の製粉機は封建領主を産み、蒸気式製粉機は産業資本家を産み、AIロボット製粉機は「計算資本家」または「プラットフォーム領主」を産む。』 どういうことか。 ここでいう「計算資本家」とは、単に工場を所有する人ではありません。次のものを所有・支配する主体です。 AIモデル 学習データ ロボット群 半導体・GPU・クラウド 電力・冷却・通信インフラ 物流ネットワーク 特許・標準・API 顧客データとプラットフォーム接点 蒸気式製粉機の時代には、「工場を持つ者」が強かった。AIロボット製粉機の時代には、物理的工場だけでなく、知能・データ・計算資源・ネットワークを持つ者が強くなる、というわけです。 しかしここで根本的な矛盾が産まれます。資本主義は労働者を雇って利潤を得る仕組みなのに、AIロボットは労働者をどんどん不要にします。 すると矛盾が生まれます。 ・企業は労働コストを削減したい ・だからAIとロボットを導入する ・しかし労働者の所得が減ると商品を買う消費者も減る つまり ・社会全体で生産能力は増えるが購買力は不足する 一時的には AI・データ・計算資源・ロボット・プラットフォームの所有者vsそれらにアクセスしなければ生産も生活もできない人々 という構図が生まれるでしょう。そこでの人間の役割・分類は以下のようになります。 ・AIを設計する少数の高度人材 ・ロボットを保守する技術者 ・AIに指示を出す管理者 ・AIでは代替しにくい対人・ケア・政治・創造的労働 ・データを提供する利用者 ・プラットフォームに従属する個人事業主 ・仕事から排除される余剰人口 しかし、AIやロボットで代替できないことはどんどん減っていくでしょう。では、労働者が減り購買力が減ったとき、資本はどこから利潤を得られるのか。大量の余剰人口はどう生活が支えられるのか。 ここにきて、マルクスが予言したことのひとつは現実のものとなるかもしれません。 ・資本の利潤率の傾向的低下 一方でマルクスの時代と根本的に社会構造や経済条件が異なる現代・近未来では以下は成り立たないでしょう。 ・資本の集中・集積・独占 ・過剰生産と周期的恐慌 ・労働者の貧困化と階級対立激化 ならば、社会はどうなるのか。 それは、今の資本主義でも、そのアンチテーゼであったかつての社会主義でもない、アウフヘーベンされた社会に違いありません。 ここで一つの補助線。 経済の発展と資本市場・金融技術の発展は、だれもが資本家になる道を拓いてきました。この発展的延長には、社会的資本主義、とでも呼べるような社会があるかもしれません。 そして、もう一つの補助線。 人間・人間社会に備わる根本的な原理。交換と共感。 人はルソー的な性善説に立とうがホッブス的な性悪説に立とうが、言葉を交わし合い、モノを交換し合い、共感をせずにはいられない存在でしょう。 ならば、どんな社会であっても、必ず何かを交換し合い、共感し合うのでしょう。 社会的資本主義とでもいうべき経済システムのもとで、各々が発したい・交換したい行為を行い、それが交換される社会。格差は超極一部とその他の間で今以上に広がるかもしれないが、同時にほぼ誰もが今以上にQOLがあがっている社会。そして心の時代へ。 うーん。長々書いた割にはふつうな結論ですね
もっと見る
ロボットが初めて「Wine Bottle in Bowl」を学習したとき、成功率はわずか 15% だった。それがある閾値を超えた瞬間、95% へと跳ね上がる。これはモデルを再訓練したからではない。コードで書かれた「観察と介入の仕組み」が、自ら進化したからだ。 これまでの VLA(Vision-Language-Action)モデルはオープンループだった。ロボットが失敗しても、次のエピソードが終わるまでフィードバックがない。人間がログを見て、パラメータを手動で調整する。そのサイクルは遅く、スケールしない。小さな外乱が連鎖的な失敗へと積み重なっても、システムはそれをリアルタイムで捉えられなかった。 Zetta ζ はその問題を3つの時間スケールで解きます。実行中は高頻度のクリティックが軌跡を監視し、衝突の芽を摘む(アクションレベル)。失敗したエピソードはシグネチャでクラスタリングされ、6層の因果診断でボトルネックを特定してハーネスを最小限に修正する(エピソードレベル)。そして未知の環境でも汎化したスキルだけが、バリデーションゲートを通ってスキルメモリへ永続登録される(イテレーションレベル)。 ベースモデルの重みは一切変えません。進化するのはコードとしてのハーネスだけ。LIBERO-Pro で 34.5% → 90.8%、RoboCasa で 73.6% → 93.6%。推論速度は RPent 比 11.1 倍。スループットは 1.7 → 35.1 エピソード/分(20.6 倍)へ。学習したスキルは PnP-Sink・PnP-Cabinet・PnP-Toaster でゼロショット転移に成功しました。 Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence #EmbodiedAI# #ロボティクス#
もっと見る
ロボットは、重みではなく「文脈」でタスクを学べるのでしょうか? World In-Context Learning for Agentic Robot Manipulation ❓ World In-Context Learning(WICL)とは? 💡 重みを凍結した基盤モデルが、1つのデモから出発してシミュレータでリハーサルし、そのフィードバックを重みではなく文脈(Task Memory)に書き込む枠組みです。文脈には物体の役割や手順といった意味的な知識が入るため、見た目が違う環境にも転用しやすいという考えです。 ❓ どれくらい動くのですか? 💡 RoboTwin 2.0の全50タスクで、1デモ・勾配更新なしの平均成功率は83.4%です。50デモで学習した最強の学習ポリシー(61.7%)を21.7ポイント上回ります。クリーンのみでリハーサルしても、ランダム化環境でクリーン成功率の95%以上を維持しました。 ❓ 何が効いているのですか? 💡 アブレーションでは、デモだけをメモリに書くと69.0%、世界でのリハーサルまで行うと78.5%でした(10タスク)。デモも世界も両方必要という結果です。さらに、評価結果を反省して文脈を書き換えることで、3ラウンドの自己改善も確認されています。 ❓ 実用面の注意点は? 💡 学習と1,000エピソードの評価で、定価APIで約308〜1,911ドルかかります。実機での確認はPiPERの4タスク・計30/40成功と小規模で、主な結果はシミュレーションです。 #Robotics# #InContextLearning#
もっと見る
ロボットは動き方を知っていても、何をすべきかの手がかりを必要とする。その「文脈」を扱う研究を100ページ超で整理したサーベイです。 タイトル: In-Context Learning for Robots: Methods and Applications URL: ❓ ロボットの文脈内学習とは何ですか? デプロイ時にニューラルパラメータを固定したまま、デモンストレーションや相互作用を使って既存の能力を方向づける適応のことです。大規模事前学習で動き自体は獲得できても、目の前のシーンでは複数の手順がどれも実行可能に見えたり、素材の反応が未知だったりします。この欠落は運動能力をいくら高めても埋まりません。 ❓ ファインチューニングと何が違うのですか? ファインチューニングは新しい証拠を重みに取り込みますが、文脈内学習は意思決定の瞬間に証拠を利用可能にします。論文は適応の所在を、供給された文脈・再帰的状態・外部メモリ・テスト時の重み更新・永続的な重み更新の5つに分け、前3者がパラメータ固定にあたると整理しています。 ❓ 手法はどう分類されているのですか? 実行が消費する中間表現を軸に4ファミリーへ整理されます。 ・文脈条件付き方策(証拠から行動を直接推論) ・幾何的デモンストレーション転移(参照軌道を位置合わせして実行) ・世界モデルベース制御(未来を予測して計画) ・スキル/エージェントベース実行(スキルやプログラムを選び別のエグゼキュータへ) 同じデモが4つのどれにもなり得る点が重要で、違いは証拠の取り方ではなく実行が必要とする中間表現にあります。 ❓ 評価はどうすればよいのですか? 証拠を取り除く、記憶を消す、検索を止める、重みを戻すといった介入を実行条件を揃えて行い、改善の出どころを特定します。実際、未知の行動規約を自力で発見させる設定では20エピソード中1回しか成功せず、対応関係の推論も23.3%にとどまったと報告されています。 #ロボティクス# #InContextLearning#
もっと見る