日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

水中ロボティクスarXiv:2509.26536

OceanGym:水中身体性エージェントのためのベンチマーク環境

OceanGym: A Benchmark Environment for Underwater Embodied Agents

シェア:XThreadsFacebookLINEはてブBluesky

水中環境で活動するAIエージェントのための初の総合ベンチマークを提案し、マルチモーダル大規模言語モデル駆動エージェントと人間専門家の性能差を明らかにした。

詳しい要約

1. どんなもの?

- OceanGymは、海洋水中環境におけるembodied agentsのための初の包括的ベンチマーク。 - 8つの現実的なタスクドメインと、MLLMs駆動の統合エージェントフレームワークを提供。 - エージェントは光学データとソナーデータを理解し、自律探索し、長期的目標を達成する必要がある。 - コードとデータはGitHubで公開。

2. 先行研究と比べてどこがすごい?

- 陸上・空中ドメイン向けのベンチマークは存在するが、水中環境に特化した包括的ベンチマークは初。 - 低視界や動的な海流など、水中特有の極端な知覚・意思決定課題を扱う点が新しい。 - MLLMsを駆使したエージェントフレームワークを統一的に評価できる点が先行研究と異なる。

3. 技術・手法の肝は?

- 8つの現実的なタスクドメインを設計し、光学・ソナーデータを含むマルチモーダル入力を提供。 - MLLMsを核とし、知覚・記憶・逐次意思決定を統合するエージェントフレームワークを構築。 - エージェントは複雑な環境を自律探索し、長期的目標を達成するよう設計。 - 高忠実度で厳密に設計されたプラットフォームを提供。

4. どうやって有効だと検証した?

- 広範な実験を実施し、最先端のMLLM駆動エージェントと人間専門家の間の大きなギャップを明らかにした。 - これにより、水中環境における知覚・計画・適応の持続的な困難さを実証。 - ベンチマークとしての有効性を、人間専門家との比較を通じて検証。

5. 議論はある?

- 最先端MLLMエージェントと人間専門家の間には依然として大きな性能差がある。 - 水中環境での知覚・計画・適応の困難さが浮き彫りになり、今後の研究課題が示唆される。 - 実世界の自律型水中ビークルへの能力転移の可能性について言及。 - 具体的な議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で直接参照されている論文はないが、関連手法としてMLLMsを駆使したembodied AIや、水中自律ビークルに関する研究が次に読むべき候補。 - 具体的な論文名は要旨からは不明。

※ 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: Yida Xue, Mingjun Mao, Xiangyuan Ru, Yuqi Zhu, Baochang Ren, Shuofei Qiao, Mengru Wang, Shumin Deng, Xinyu An, Ningyu Zhang, Ying Chen, Huajun Chen

分類: cs.CL, cs.AI, cs.CV, cs.LG, cs.RO

原文アブストラクト

We introduce OceanGym, the first comprehensive benchmark for ocean underwater embodied agents, designed to advance AI in one of the most demanding real-world environments. Unlike terrestrial or aerial domains, underwater settings present extreme perceptual and decision-making challenges, including low visibility, dynamic ocean currents, making effective agent deployment exceptionally difficult. OceanGym encompasses eight realistic task domains and a unified agent framework driven by Multi-modal Large Language Models (MLLMs), which integrates perception, memory, and sequential decision-making. Agents are required to comprehend optical and sonar data, autonomously explore complex environments, and accomplish long-horizon objectives under these harsh conditions. Extensive experiments reveal substantial gaps between state-of-the-art MLLM-driven agents and human experts, highlighting the persistent difficulty of perception, planning, and adaptability in ocean underwater environments. By providing a high-fidelity, rigorously designed platform, OceanGym establishes a testbed for developing robust embodied AI and transferring these capabilities to real-world autonomous ocean underwater vehicles, marking a decisive step toward intelligent agents capable of operating in one of Earth's last unexplored frontiers. The code and data are available at https://github.com/OceanGPT/OceanGym.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI