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:2603.08817

HMR-1: 視覚言語モデルを用いた階層型マッサージロボットによる身体性ヘルスケア

HMR-1: Hierarchical Massage Robot with Vision-Language-Model for Embodied Healthcare

シェア:XThreadsFacebookLINEはてブBluesky

マッサージ用のマルチモーダルデータセットMedMassage-12Kを構築し、視覚言語モデルでツボを認識する高レベルモジュールと軌道計画を行う低レベル制御モジュールからなる階層型マッサージロボットを提案した論文。

詳しい要約

1. どんなもの?

- 本論文は、Embodied Intelligenceを活用したヘルスケア、特に理学療法とリハビリテーションのための階層型マッサージロボットフレームワーク「HMR-1」を提案する。 - マルチモーダルデータセット「MedMassage-12K」を構築し、12,190枚の画像と174,177のQAペアを含み、多様な照明条件と背景をカバーする。 - 階層型フレームワークは、高レベルの経穴位置推定モジュールと低レベルの制御モジュールから構成される。 - 既存のMLLMを評価し、身体化マッサージタスクのベンチマークを確立する。 - Qwen-VLモデルをファインチューニングし、フレームワークの有効性を実証する。 - 物理実験により実用性を確認する。

2. 先行研究と比べてどこがすごい?

- 先行研究と比較して、標準化された評価ベンチマークとオープンソースのマルチモーダル経穴マッサージデータセットの不足という課題に対処している。 - MedMassage-12Kデータセットを構築し、多様な照明条件と背景を含む大規模なマルチモーダルデータを提供する。 - 階層型フレームワークを提案し、高レベルの経穴位置推定と低レベルの制御を統合する。 - 既存のMLLMを評価し、身体化マッサージタスクのベンチマークを確立する。 - Qwen-VLモデルのファインチューニングにより、フレームワークの有効性を実証する。

3. 技術・手法の肝は?

- 高レベルの経穴位置推定モジュールでは、マルチモーダル大規模言語モデル(MLLM)を使用して人間の言語を理解し、経穴の位置を特定する。 - 低レベルの制御モジュールでは、計画された軌道を提供する。 - 階層型フレームワークにより、高レベルの理解と低レベルの制御を統合する。 - MedMassage-12Kデータセットを構築し、多様な照明条件と背景をカバーする。 - Qwen-VLモデルをファインチューニングし、フレームワークの有効性を実証する。

4. どうやって有効だと検証した?

- 既存のMLLMを評価し、身体化マッサージタスクのベンチマークを確立する。 - Qwen-VLモデルをファインチューニングし、フレームワークの有効性を実証する。 - 物理実験により、フレームワークの実用性を確認する。 - データセットとコードは公開されている。

5. 議論はある?

- 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が、関連手法としてQwen-VL、MLLM、Embodied Intelligence、身体化マッサージタスクのベンチマークなどが挙げられる。 - 同分野の定番として、Vision-Language Model (VLM) やロボティクスにおける階層型制御フレームワークの論文が考えられる。

※ 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: Rongtao Xu, Mingming Yu, Xiaofeng Han, Yu Zhang, Kaiyi Hu, Zhe Feng, Zenghuang Fu, Changwei Wang, Weiliang Meng, Xiaopeng Zhang

分類: cs.RO

原文アブストラクト

The rapid advancement of Embodied Intelligence has opened transformative opportunities in healthcare, particularly in physical therapy and rehabilitation. However, critical challenges remain in developing robust embodied healthcare solutions, such as the lack of standardized evaluation benchmarks and the scarcity of open-source multimodal acupoint massage datasets. To address these gaps, we construct MedMassage-12K - a multimodal dataset containing 12,190 images with 174,177 QA pairs, covering diverse lighting conditions and backgrounds. Furthermore, we propose a hierarchical embodied massage framework, which includes a high-level acupoint grounding module and a low-level control module. The high-level acupoint grounding module uses multimodal large language models to understand human language and identify acupoint locations, while the low-level control module provides the planned trajectory. Based on this, we evaluate existing MLLMs and establish a benchmark for embodied massage tasks. Additionally, we fine-tune the Qwen-VL model, demonstrating the framework's effectiveness. Physical experiments further confirm the practical applicability of the framework.Our dataset and code are publicly available at https://github.com/Xiaofeng-Han-Res/HMR-1.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI