基盤モデル時代の身体性ロボットマニピュレーション：計画と学習の視点

- ロボットマニピュレーションにおける foundation models の近年の進展をアルゴリズム視点で整理した survey - 高レベル planning と低レベル control の統一的な抽象化の枠組みで learning-based 手法を分類 - 高レベルでは language, code, motion, affordances, 3D representations の推論を含むよう古典的 task planning を拡張 - 低レベルでは training-paradigm-oriented taxonomy を提案し、input modeling, latent representation learning, policy learning に沿って手法を整理 - 最後に scalability, data efficiency, multimodal physical interaction, safety に関する open challenges と研究方向を示す

- 従来の survey との具体的な比較は要旨からは不明 - 特徴として、古典的 task planning を language, code, motion, affordances, 3D representations の推論へ拡張する点を挙げている - 低レベル制御を training-paradigm-oriented taxonomy で input modeling, latent representation learning, policy learning に沿って整理する点を挙げている - 高レベル planning と低レベル control を統一的な抽象化で扱う点を主張しているが、先行研究との優劣の詳細は要旨からは不明

- 本論文は survey であり、新規アルゴリズムの提案ではなく既存 learning-based 手法の整理が中心 - 統一的な抽象化として high-level planning と low-level control の二層に分ける - 高レベル planning では language, code, motion, affordances, 3D representations を扱う推論を対象化 - 低レベル control では training-paradigm-oriented taxonomy を導入 - input modeling - latent representation learning - policy learning - これらの軸で foundation models を用いたロボットマニピュレーションの設計空間を明確化する

- 本論文は survey のため、実験による有効性検証は要旨からは不明 - 有効性の検証として、提案する分類枠組みに沿って近年の learning-based 手法を整理し、設計空間を明確化することを狙う - open challenges と研究方向の提示により、今後の研究指針を示す構成と読み取れる - 定量的評価やベンチマーク比較の有無は要旨からは不明

- open challenges として scalability, data efficiency, multimodal physical interaction, safety を挙げている - これらは foundation models を用いたロボットマニピュレーションの今後の研究方向として位置づけられている - 高レベル planning と低レベル control の統一抽象化により設計空間を明確化することを議論の軸としている - 各課題の具体的な解決策やトレードオフの詳細は要旨からは不明

- 要旨で個別に参照・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、language, code, motion, affordances, 3D representations を用いた high-level planning の研究 - 関連手法として、input modeling, latent representation learning, policy learning に基づく low-level control の研究 - 同分野の定番として vision-language-action models や robot foundation models に関する survey や代表的研究を次に読む候補として挙げられる