ロボットマニピュレーションの統合的理解に向けて：包括的サーベイ

- ロボットマニピュレーションに関する包括的サーベイ - 基礎的背景、タスク別に整理したbenchmarksとdatasets、既存手法の統一taxonomyを概観 - 実世界応用の広範なレビューも含む - 対象領域 - embodied intelligenceの文脈におけるrobot manipulation - perception・planning・controlの統合が求められる問題 - コミュニティ向けリソース - 論文・オープンソースdatasets・プロジェクトをGitHubでキュレーション

- 先行サーベイとの比較 - 従来より広いscopeと深いinsightの両立を主張 - 新人向けのroadmapと経験者向けの構造的referenceを兼ねる - taxonomyの拡張 - 古典的なhigh-level planningとlow-level controlの二分を拡張 - high-level planningにlanguage, code, motion, affordance, 3D representationsを含める - low-level learning-based controlをtraining paradigms(input modeling, latent learning, policy learning)で新分類 - 独自性 - key bottlenecksの初の専用taxonomy(data collection, utilization, generalization)

- サーベイとしての構成手法 - 基礎的背景の整理 - タスク別のbenchmarks・datasetsの整理 - 既存手法の統一taxonomyの提示 - taxonomyの肝 - high-level planningをlanguage, code, motion, affordance, 3D representationsへ拡張 - low-level learning-based controlをinput modeling, latent learning, policy learningのtraining paradigmsで分類 - bottlenecksをdata collection, utilization, generalizationの3軸で整理 - 実世界応用のレビューを付加

- 有効性の検証方法は要旨からは不明 - サーベイ論文のため実験的検証ではなく、文献整理・taxonomy構築・応用レビューが中心と見られる - 提示物 - タスク別benchmarksとdatasetsの整理 - 統一taxonomyとbottlenecks taxonomy - GitHub上のキュレーション済みリソース

- 議論として明示されている点 - key bottlenecksをdata collection, utilization, generalizationに集約 - high-level/low-levelの二分を拡張するtaxonomyの妥当性が論点になり得る - 要旨からは不明な点 - 各手法の定量的比較や限界の詳細な議論 - taxonomyの網羅性や分類の重複・境界に関する議論

- 本サーベイが参照・整理する関連領域 - large-scale multimodal models - high-level planning: language, code, motion, affordance, 3D representations - low-level learning-based control: input modeling, latent learning, policy learning - benchmarks and datasets for robot manipulation - 関連リソース - https://github.com/BaiShuanghao/Awesome-Robotics-Manipulation にキュレーションされた論文・datasets・projects