日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

アフォーダンスarXiv:2512.04231

CRAFT-E: 身体性を持つアフォーダンス接地のためのニューロシンボリックフレームワーク

CRAFT-E: A Neuro-Symbolic Framework for Embodied Affordance Grounding

シェア:XThreadsFacebookLINEはてブBluesky

動詞と物体の知識グラフ、視覚言語アラインメント、把持可能性推論を組み合わせ、指示された動作に適した物体を解釈可能に選択するニューロシンボリック手法を提案し、実機で検証した。

詳しい要約

1. どんなもの?

- 補助ロボットが非構造環境で物体の機能を理解し、言語指示に合う物体を選ぶための枠組み。 - CRAFT-E は neuro-symbolic なモジュール型フレームワーク。 - verb-property-object 知識グラフ、視覚言語アラインメント、energy-based grasp reasoning を組み合わせる。 - 解釈可能な grounding paths を生成し、把持可能性を affordance 推論に統合。 - 新ベンチマークデータセットと実機パイプラインを構築。

2. 先行研究と比べてどこがすごい?

- 既存手法は black-box モデルや固定 affordance ラベルに依存し、透明性・制御性・信頼性が限定的。 - CRAFT-E はモジュール型 neuro-symbolic で、解釈可能な grounding paths を生成。 - 把持 feasibility を affordance 推論の不可欠な要素として組み込む点が新しい。 - 静的场景、ImageNet ベースの機能検索、実世界試験で競争力のある性能。 - 知覚ノイズ下でも頑健で、コンポーネント単位の診断を提供。

3. 技術・手法の肝は?

- 構造化された verb-property-object 知識グラフを中核に据える。 - 視覚言語アラインメントで言語クエリと物体を結びつける。 - energy-based grasp reasoning で把持可能性を評価。 - これらを組み合わせ、解釈可能な grounding paths を生成。 - 把持 feasibility を affordance 推論に統合する点が肝。

4. どうやって有効だと検証した?

- 静的场景、ImageNet ベースの機能検索、実世界試験で評価。 - 実世界試験は 20 verbs と 39 objects を含む。 - 物理ロボットにフルパイプラインを展開。 - 知覚ノイズ下での頑健性を確認。 - コンポーネント単位の透明な診断を提供。

5. 議論はある?

- 解釈可能でカスタマイズ可能な end-to-end モデルの代替を提供。 - 補助ロボットシステムにおける信頼できる意思決定を支援。 - 透明性・制御性・信頼性の向上を主張。 - 具体的な限界や失敗事例、計算コスト、スケーラビリティは要旨からは不明。

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。 - 関連手法として neuro-symbolic 推論、affordance grounding、energy-based grasp reasoning、視覚言語アラインメント、知識グラフを挙げる。 - 同分野の定番として affordance learning や embodied AI の研究を読むとよい。

※ 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: Zhou Chen, Joe Lin, Carson Bulgin, Sathyanarayanan N. Aakur

分類: cs.RO, cs.AI

原文アブストラクト

Assistive robots operating in unstructured environments must understand not only what objects are, but what they can be used for. This requires grounding language-based action queries to objects that both afford the requested function and can be physically retrieved. Existing approaches often rely on black-box models or fixed affordance labels, limiting transparency, controllability, and reliability for human-facing applications. We introduce CRAFT-E, a modular neuro-symbolic framework that composes a structured verb-property-object knowledge graph with visual-language alignment and energy-based grasp reasoning. The system generates interpretable grounding paths that expose the factors influencing object selection and incorporates grasp feasibility as an integral part of affordance inference. We further construct a benchmark dataset with unified annotations for verb-object compatibility, segmentation, and grasp candidates, and deploy the full pipeline on a physical robot. CRAFT-E achieves competitive performance in static scenes, ImageNet-based functional retrieval, and real-world trials involving 20 verbs and 39 objects. The framework remains robust under perceptual noise and provides transparent, component-level diagnostics. By coupling symbolic reasoning with embodied perception, CRAFT-E offers an interpretable and customizable alternative to end-to-end models for affordance-grounded object selection, supporting trustworthy decision-making in assistive robotic systems.

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

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