日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

空間推論arXiv:2606.31645

RoboSpatialチャレンジ技術報告:選択的推論活性化と参照フレーム曖昧性解消による身体化空間推論

Technical Report of RoboSpatial Challenge at CVPR 2026: Selective Reasoning Activation and Reference-Frame Disambiguation for Embodied Spatial Reasoning

シェア:XThreadsFacebookLINEはてブBluesky

CVPR 2026のRoboSpatialチャレンジで1位を獲得した、ロボットの空間推論を強化する推論時プロンプト手法を提案した論文。

詳しい要約

1. どんなもの?

- CVPR 2026のEmbodied Reasoning in Action Workshopで開催されたRoboSpatial Challengeへの提出システム - RoboSpatialBrainと名付けられ、RoboBrain2.5-8B-NVをベースに構築 - 身体性タスクに必要な空間推論を対象とし、RoboSpatial-Homeで80.9%の成功率を達成し第1位 - コードはGitHubで公開

2. 先行研究と比べてどこがすごい?

- Vision-language modelsは一般的な知覚は強いが、身体性タスクに必要な空間推論は苦手 - 既存研究との具体的な比較は要旨からは不明 - 学習不要の推論時メカニズムで課題に対処する点が特徴

3. 技術・手法の肝は?

- 学習不要の推論時メカニズムを2つ組み合わせ - 強制的な<think>プレフィックス活性化戦略とタスク固有のpost-promptにより、contextとcompatibilityタスクで意図的な推論を引き出す - 明示的なreference-frame redirectionパイプラインで、contextタスクにおけるcamera-centricとobject-centricの曖昧性を解消 - 追加でRoboBrain2.5をcompatibilityデータでfine-tuningし、promptingとの相互作用を分析

4. どうやって有効だと検証した?

- RoboSpatial-Homeでの成功率80.9%を達成し、RoboSpatial Challengeで第1位 - fine-tuningとpromptingの相互作用について詳細な分析を実施 - 具体的な検証手法の詳細は要旨からは不明

5. 議論はある?

- fine-tuningとpromptingの相互作用について詳細な分析を提示 - その他の議論や限界については要旨からは不明

6. 次に読むべき論文は?

- RoboBrain2.5-8B-NV(ベースモデル) - RoboSpatial ChallengeおよびRoboSpatial-Home(ベンチマーク) - Vision-language modelsの空間推論に関する研究(一般名)

※ 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: Yuxiang Xie, Qi Lv, Jianming Xing, Zijian Hong, Xiang Deng, Weili Guan, Liqiang Nie

分類: cs.CV

原文アブストラクト

Vision-language models achieve strong general perception but often struggle with the spatial reasoning required for embodied tasks. We present RoboSpatialBrain, our submission to the RoboSpatial Challenge at the Embodied Reasoning in Action Workshop, CVPR 2026, built on RoboBrain2.5-8B-NV. RoboSpatialBrain combines two training-free, inference-time mechanisms: a forced <think> prefix activation strategy paired with a task-specific post-prompt that elicits deliberate reasoning on context and compatibility tasks, and an explicit reference-frame redirection pipeline that resolves camera-centric and object-centric ambiguity for context tasks. We additionally explore fine-tuning RoboBrain2.5 on compatibility data and present a detailed analysis of its interaction with prompting. RoboSpatialBrain achieved first place in the RoboSpatial Challenge, with an overall success rate of 80.9\% on RoboSpatial-Home. Code is available at https://github.com/YuxiangXie2003/RoboSpatialBrain.

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