日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2510.05547

ARRC: 検索拡張生成を用いた知識駆動型自律マニピュレーションのための高度推論ロボット制御

ARRC: Advanced Reasoning Robot Control - Knowledge-Driven Autonomous Manipulation Using Retrieval-Augmented Generation

シェア:XThreadsFacebookLINEはてブBluesky

RAGとRGB-D知覚を組み合わせ、自然言語指示から安全なロボットアームの動作計画を生成・実行するシステムを提案。卓上タスクで有効性を検証した。

詳しい要約

1. どんなもの?

- 自然言語指示を安全なローカルロボット制御に接続する実用システム ARRC (Advanced Reasoning Robot Control) の提案 - Retrieval-Augmented Generation (RAG) と RGB-D 知覚、guarded execution を組み合わせる - 安価なロボットアーム上で動作する構成 - 対象タスクは卓上 scan、approach、pick-place - アーキテクチャ、knowledge design、統合上の選択、再現可能な評価プロトコルを記述

2. 先行研究と比べてどこがすごい?

- 要旨からは不明(先行研究との具体的比較は記述されていない) - 主張として RAG ベース計画が plan validity と adaptability を大きく改善し得る点を示す - 知覚と低レベル制御をロボット側にローカルに保つ設計を特徴とする

3. 技術・手法の肝は?

- 厳選した robot knowledge(movement patterns、task templates、safety heuristics)を vector database に索引化 - 各指示に対しタスク関連 context を検索し、LLM を条件付けて JSON 構造化 action plan を生成 - 実行系は UFactory xArm 850、Dynamixel 駆動の parallel gripper、Intel RealSense D435 で構成 - 知覚は AprilTag 検出と depth を融合し object-centric な metric pose を生成 - 実行は workspace bounds、speed/force caps、timeouts、bounded retries の software safety gates で制約

4. どうやって有効だと検証した?

- 卓上 scan、approach、pick-place タスクに対する再現可能な評価プロトコルを提示 - 実験結果は提案手法の有効性を示すと記載 - 具体的な指標・被験者数・比較条件は要旨からは不明

5. 議論はある?

- RAG ベース計画が plan validity と adaptability を改善し得ると主張 - 知覚と低レベル制御をローカルに保つ設計上の利点に言及 - 限界、失敗事例、安全性ゲートの十分性に関する議論は要旨からは不明

6. 次に読むべき論文は?

- Retrieval-Augmented Generation (RAG) を用いたロボット計画の関連研究 - LLM による JSON 構造化 action plan 生成の関連手法 - AprilTag と depth を融合した object-centric pose 推定の関連研究 - 安全ゲート付きロボット実行(guarded execution)の関連研究 - 要旨で参照・比較されている個別論文は明示されていない

※ 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: Eugene Vorobiov, Ammar Jaleel Mahmood, Salim Rezvani, Robin Chhabra

分類: cs.RO

原文アブストラクト

We present ARRC (Advanced Reasoning Robot Control), a practical system that connects natural-language instructions to safe local robotic control by combining Retrieval-Augmented Generation (RAG) with RGB-D perception and guarded execution on an affordable robot arm. The system indexes curated robot knowledge (movement patterns, task templates, and safety heuristics) in a vector database, retrieves task-relevant context for each instruction, and conditions a large language model (LLM) to produce JSON-structured action plans. Plans are executed on a UFactory xArm 850 fitted with a Dynamixel-driven parallel gripper and an Intel RealSense D435 camera. Perception uses AprilTag detections fused with depth to produce object-centric metric poses. Execution is enforced via software safety gates: workspace bounds, speed and force caps, timeouts, and bounded retries. We describe the architecture, knowledge design, integration choices, and a reproducible evaluation protocol for tabletop scan, approach, and pick-place tasks. Experimental results demonstrate the efficacy of the proposed approach. Our design shows that RAG-based planning can substantially improve plan validity and adaptability while keeping perception and low-level control local to the robot.

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