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:2604.20100

JoyAI-RA 0.1: ロボット自律性のための基盤モデル

JoyAI-RA 0.1: A Foundation Model for Robotic Autonomy

シェア:XThreadsFacebookLINEはてブBluesky

オープンワールドでのロボット操作の汎化を目指し、ウェブデータ、人間の操作動画、シミュレーション、実ロボットデータを統合したVLA基盤モデルJoyAI-RAを提案。実世界とシミュレーションで最先端性能を達成した。

詳しい要約

1. どんなもの?

- ロボット自律のための基盤モデル - 名称: JoyAI-RA 0.1 - 種類: vision-language-action (VLA) embodied foundation model - 目的: 汎化可能なロボットマニピュレーション - 課題: データ多様性不足とcross-embodiment汎化の低さ - アプローチ: マルチソース・マルチレベル事前学習 - web data, egocentric human manipulation videos, simulation trajectories, real-robot dataを統合

2. 先行研究と比べてどこがすごい?

- 既存のロボットデータセットは規模とタスク範囲が限定的 - ロボットembodiment間の差異が行動知識転移を妨げる - JoyAI-RAは異種マルチソースデータとaction-space unificationでembodimentギャップを橋渡し - 特にhuman manipulationとrobotic control間の転移を改善 - simulationとreal-worldベンチマークでstate-of-the-artを上回る - 多様なタスクでの汎化要求に強い

3. 技術・手法の肝は?

- マルチソース・マルチレベル事前学習フレームワーク - データ源: web data, egocentric human manipulation videos, simulation-generated trajectories, real-robot data - 異種マルチソースデータの訓練 - 明示的なaction-space unification - embodimentギャップを橋渡し - human manipulationとrobotic control間の転移を促進 - cross-embodiment behavior learningを強化

4. どうやって有効だと検証した?

- simulationベンチマークとreal-worldベンチマークで評価 - state-of-the-art手法と比較し、上回る性能を確認 - 特に多様なタスクで汎化要求が高い場合に有効 - 具体的な評価指標やタスク詳細は要旨からは不明

5. 議論はある?

- 要旨からは不明 - 限界や今後の課題についての言及はない

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vision-language-action (VLA)モデル、cross-embodiment learning、action-space unificationが挙げられる - 同分野の定番: RT-1, RT-2, OpenVLAなど

※ 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: Tianle Zhang, Zhihao Yuan, Dafeng Chi, Peidong Liu, Dongwei Li, Kejun Hu, Likui Zhang, Junnan Nie, Ziming Wei, Zengjue Chen, Yili Tang, Jiayi Li, Zhiyuan Xiang, Mingyang Li, Tianci Luo, Hanwen Wan, Ao Li, Linbo Zhai, Zhihao Zhan, Xiaodong Bai, Jiakun Cai, Peng Cao, Kangliang Chen, Siang Chen, Yixiang Dai, Shuai Di, Yicheng Gong, Chenguang Gui, Yucheng Guo, Peng Hao, Qingrong He, Haoyang Huang, Kunrui Huang, Zhixuan Huang, Shibo Jin, Yixiang Jin, Anson Li, Dongjiang Li, Jiawei Li, Ruodai Li, Yihang Li, Yuzhen Li, Jiaming Liang, Fangsheng Liu, Jing Long, Mingxi Luo, Xing Pan, Hui Shen, Xiaomeng Tian, Daming Wang, Song Wang, Junwu Xiong, Hang Xu, Wanting Xu, Zhengcheng Yu, He Zhang, Jiyao Zhang, Lin Zhao, Chen Zhou, Nan Duan, Yuzheng Zhuang, Liang Lin

分類: cs.RO

原文アブストラクト

Robotic autonomy in open-world environments is fundamentally limited by insufficient data diversity and poor cross-embodiment generalization. Existing robotic datasets are often limited in scale and task coverage, while relatively large differences across robot embodiments impede effective behavior knowledge transfer. To address these challenges, we propose JoyAI-RA, a vision-language-action (VLA) embodied foundation model tailored for generalizable robotic manipulation. JoyAI-RA presents a multi-source multi-level pretraining framework that integrates web data, large-scale egocentric human manipulation videos, simulation-generated trajectories, and real-robot data. Through training on heterogeneous multi-source data with explicit action-space unification, JoyAI-RA effectively bridges embodiment gaps, particularly between human manipulation and robotic control, thereby enhancing cross-embodiment behavior learning. JoyAI-RA outperforms state-of-the-art methods in both simulation and real-world benchmarks, especially on diverse tasks with generalization demands.

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