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:2511.14161

RoboTidy:3Dガウススプラッティングによる家庭内片付けの身体性ナビゲーション・行動ベンチマーク

RoboTidy : A 3D Gaussian Splatting Household Tidying Benchmark for Embodied Navigation and Action

シェア:XThreadsFacebookLINEはてブBluesky

言語指示に基づく家庭内片付けタスクのための、3Dガウススプラッティングで構築した500シーンのフォトリアルなベンチマークを提案し、VLA・VLNの学習と評価を可能にした。

詳しい要約

1. どんなもの?

- 言語誘導型の家庭内片付けタスクを対象とした統合ベンチマーク - Vision-Language-Action (VLA) と Vision-Language-Navigation (VLN) の学習・評価を支援 - 500のphotorealisticな3D Gaussian Splatting (3DGS) 家庭シーンを提供 - 500 objects と containers を含み、collisions をモデル化 - 片付けを "Action (Object, Container)" リストとして定式化 - 6.4kの高品質なmanipulation demonstration trajectoriesと1.5kのnavigation trajectoriesを提供 - few-shot学習と大規模学習の両方を支援 - 実世界にも展開し、家庭内片付けのend-to-endベンチマークを構築

2. 先行研究と比べてどこがすごい?

- 既存ベンチマークの課題を指摘 - ユーザー選好 (user preferences) をモデル化していない - mobility をサポートしていない - 汎化性能が低い - そのため言語から行動への統合能力を包括的に評価しにくい - RoboTidyはこれらに対し、3DGSによるphotorealisticシーン、collisions、mobilityを伴うnavigation、選好を反映した片付け定式化を統合 - 詳細な比較対象研究は要旨からは不明

3. 技術・手法の肝は?

- 3D Gaussian Splatting (3DGS) によるphotorealisticな家庭シーン構築 - 500 scenes、500 objects and containers、collisions対応 - 片付けタスクを "Action (Object, Container)" リストとして定式化 - VLAとVLNの両方を対象とした学習・評価パイプライン - 6.4k manipulation demonstration trajectoriesと1.5k navigation trajectoriesを提供 - few-shotおよび大規模学習に対応 - 実世界展開によるend-to-endベンチマーク化

4. どうやって有効だと検証した?

- 500の3DGS家庭シーン、6.4k manipulation trajectories、1.5k navigation trajectoriesを整備 - VLAとVLNの学習・評価を支援するベンチマークとして提示 - 実世界にRoboTidyを展開し、物体片付けを実施 - 定量的な評価結果やベースライン比較の詳細は要旨からは不明

5. 議論はある?

- 既存ベンチマークがuser preferences、mobility、汎化を扱えていない点を課題として提示 - RoboTidyが言語誘導型ロボットのholisticかつrealisticな評価を可能にすると主張 - 限界、失敗事例、計算コスト、sim-to-realギャップなどの具体的議論は要旨からは不明

6. 次に読むべき論文は?

- Vision-Language-Action (VLA) 関連研究 - Vision-Language-Navigation (VLN) 関連研究 - 3D Gaussian Splatting (3DGS) を用いたembodied AIベンチマーク - 家庭内manipulationおよびtidyingの既存ベンチマーク - 具体的な参照論文は要旨からは不明

※ 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: Xiaoquan Sun, Ruijian Zhang, Kang Pang, Bingchen Miao, Yuxiang Tan, Zhen Yang, Ming Li, Jiayu Chen

分類: cs.RO, cs.CV

原文アブストラクト

Household tidying is an important application area, yet current benchmarks neither model user preferences nor support mobility, and they generalize poorly, making it hard to comprehensively assess integrated language-to-action capabilities. To address this, we propose RoboTidy, a unified benchmark for language-guided household tidying that supports Vision-Language-Action (VLA) and Vision-Language-Navigation (VLN) training and evaluation. RoboTidy provides 500 photorealistic 3D Gaussian Splatting (3DGS) household scenes (covering 500 objects and containers) with collisions, formulates tidying as an "Action (Object, Container)" list, and supplies 6.4k high-quality manipulation demonstration trajectories and 1.5k naviagtion trajectories to support both few-shot and large-scale training. We also deploy RoboTidy in the real world for object tidying, establishing an end-to-end benchmark for household tidying. RoboTidy offers a scalable platform and bridges a key gap in embodied AI by enabling holistic and realistic evaluation of language-guided robots.

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. 2GXO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
  3. 3newmo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
  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