日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2507.19947

人間とロボットの観測をベイズ統合するための空間言語尤度グラウンディングネットワーク

Spatial Language Likelihood Grounding Network for Bayesian Fusion of Human-Robot Observations

シェア:XThreadsFacebookLINEはてブBluesky

人間の言語による空間指示の不確かさを推定する特徴ピラミッド型ネットワーク(FP-LGN)を提案し、ロボットのセンサ観測とベイズ統合することで協調タスクの性能を向上させた。

詳しい要約

1. どんなもの?

- 本論文は、人間の観測情報をロボットが融合する際の不確実性を考慮した枠組みを提案する。 - 特に、空間言語を地図画像特徴と空間関係意味論に基づいてグラウンディングするFeature Pyramid Likelihood Grounding Network (FP-LGN)を開発。 - FP-LGNは人間の言語入力の不確実性(aleatoric uncertainty)を確率推定器として学習し、ベイズ融合を可能にする。

2. 先行研究と比べてどこがすごい?

- 先行研究では、人間入力の不確実性を考慮した融合フレームワークが求められていたが、空間言語の尤度を適切にグラウンディングする手法は限られていた。 - FP-LGNは、専門家設計のルールと比較して平均Negative Log-Likelihood (NLL)で同等の性能を示し、標準偏差が低くロバスト性が高い。 - 異種の人間言語観測とロボットセンサ測定の不確実性対応融合を実現し、協調タスク性能を大幅に向上させた点が新しい。

3. 技術・手法の肝は?

- FP-LGNはFeature Pyramid Networkを用いて地図画像から関連特徴を抽出し、空間関係意味論との関係を学習する。 - 3段階のカリキュラム学習により、確率推定器としてトレーニングされ、人間言語のaleatoric uncertaintyを捉える。 - ベイズ融合の枠組みで、グラウンディングされた尤度を人間観測とロボットセンサの融合に利用する。

4. どうやって有効だと検証した?

- 平均NLLと標準偏差の指標で、FP-LGNを専門家設計ルールと比較評価。 - 協調センシング実験により、グラウンディングされた尤度が異種人間言語観測とロボットセンサ測定の不確実性対応融合を可能にし、協調タスク性能の显著な改善を実証。

5. 議論はある?

- 要旨からは不明。ただし、FP-LGNのロバスト性や融合性能の向上が示されており、実世界への適用可能性が議論されている可能性がある。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていないが、関連手法としてFeature Pyramid Network (FPN)、ベイズ融合、カリキュラム学習、Negative Log-Likelihood (NLL)を用いた確率推定、空間言語グラウンディングに関する論文が次に読むべき候補として挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Supawich Sitdhipol, Waritwong Sukprasongdee, Ekapol Chuangsuwanich, Rina Tse

分類: cs.RO, cs.CL, cs.IT, cs.LG, cs.SY, eess.SY, math.IT

原文アブストラクト

Fusing information from human observations can help robots overcome sensing limitations in collaborative tasks. However, an uncertainty-aware fusion framework requires a grounded likelihood representing the uncertainty of human inputs. This paper presents a Feature Pyramid Likelihood Grounding Network (FP-LGN) that grounds spatial language by learning relevant map image features and their relationships with spatial relation semantics. The model is trained as a probability estimator to capture aleatoric uncertainty in human language using three-stage curriculum learning. Results showed that FP-LGN matched expert-designed rules in mean Negative Log-Likelihood (NLL) and demonstrated greater robustness with lower standard deviation. Collaborative sensing results demonstrated that the grounded likelihood successfully enabled uncertainty-aware fusion of heterogeneous human language observations and robot sensor measurements, achieving significant improvements in human-robot collaborative task performance.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI