日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット基盤モデルarXiv:2603.17969

ロボット基盤モデルのための仕様を考慮した分布整形

Specification-Aware Distribution Shaping for Robotics Foundation Models

シェア:XThreadsFacebookLINEはてブBluesky

事前学習済みのロボット基盤モデルのパラメータを変更せずに、実行時に信号時相論理(STL)制約を満たすよう行動分布を最小限に修正するフレームワークを提案した。

詳しい要約

1. どんなもの?

- ロボティクス基盤モデル(robotics foundation models)の実行時安全性を高める枠組み。 - 事前学習済みモデルのパラメータを変更せず、Signal Temporal Logic (STL) 制約を満たすように行動分布を最適化。 - 時間依存の仕様(時間制限付き目標訪問、逐次目標、持続的安全条件)を対象。

2. 先行研究と比べてどこがすごい?

- 従来のロボティクス基盤モデルはデータ駆動型で、安全性や時間依存仕様の形式的保証が欠如。 - 本手法はモデル再学習なしで、幅広いSTL制約を実行時に強制可能。 - ハードなSTL実現可能性制約を満たす最小修正行動分布を計算する点が新しい。

3. 技術・手法の肝は?

- 各決定ステップで、残りホライズンにわたりforward dynamics propagationを用いて推論。 - 事前学習済みモデルの行動分布を最小限修正し、STL制約を満たす分布を生成。 - パラメータ更新は不要で、推論時に分布をシェーピング。

4. どうやって有効だと検証した?

- シミュレーションで最先端のロボティクス基盤モデルを用いて検証。 - 複数の環境と複雑な仕様で評価。 - 有効性を確認(詳細な指標は要旨からは不明)。

5. 議論はある?

- 要旨からは明示的な議論や限界は不明。 - 形式的保証と実用性のバランス、計算コストなどが議論の余地として考えられるが、要旨では触れられていない。

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、Signal Temporal Logic (STL) に基づく制御合成、ロボティクス基盤モデル(例:RT-1, RT-2, PaLM-Eなど)、安全強化学習が挙げられる。

※ 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: Sadık Bera Yüksel, Derya Aksaray

分類: cs.RO, cs.AI

原文アブストラクト

Robotics foundation models have demonstrated strong capabilities in executing natural language instructions across diverse tasks and environments. However, they remain largely data-driven and lack formal guarantees on safety and satisfaction of time-dependent specifications during deployment. In practice, robots often need to comply with operational constraints involving rich spatio-temporal requirements such as time-bounded goal visits, sequential objectives, and persistent safety conditions. In this work, we propose a specification-aware action distribution optimization framework that enforces a broad class of Signal Temporal Logic (STL) constraints during execution of a pretrained robotics foundation model without modifying its parameters. At each decision step, the method computes a minimally modified action distribution that satisfies a hard STL feasibility constraint by reasoning over the remaining horizon using forward dynamics propagation. We validate the proposed framework in simulation using a state-of-the-art robotics foundation model across multiple environments and complex specifications.

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