日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

聴覚/ロボット聴覚/自己雑音分離arXiv:2609.07440

脚式ロボット聴覚のためのオープンセット自己雑音分離:アノテーション不要適応と事前学習モデル転送

Open-Set Ego-Noise Separation for Legged-Robot Audition via Annotation-Free Adaptation and Pretrained-Model Transfer

シェア:XThreadsFacebookLINEはてブBluesky

脚式ロボットの歩行による自己雑音を、事前にクラスを指定しない環境音を保ちながら分離するフレームワークを提案。未ラベル録音から自己雑音クリップを自動選択し、多様な環境音と混合して教師信号を作り、汎用分離器をロボットに適応させる。

詳しい要約

1. どんなもの?

本論文は、脚式ロボットの聴覚におけるオープンセットな自己雑音分離(ego-noise separation)フレームワークを提案する。ロボット固有の自己雑音(歩行による足音、関節のガタつき、モーター音など)を除去しつつ、事前にクラスが指定されていない環境音を保持することを目的とする。提案フレームワークは、注釈なし適応(annotation-free adaptation)と事前学習モデルの転移(pretrained-model transfer)に基づく。

2. 先行研究と比べてどこがすごい?

従来の自己雑音分離手法は、ロボット固有の自己雑音のみを別途収録したデータや、手動によるクリップ単位の注釈を必要とすることが多かった。本手法は、ラベルなし録音データから自己雑音支配的なクリップを自動選択し、大規模な音イベントデータセットと混合することでペア教師信号を生成するため、別途の自己雑音データや手動注釈を不要とする点が新しい。また、汎用のzero-shot分離器を転移学習により適応させることで、オープンセットな環境音の分離を高忠実度で実現する。

3. 技術・手法の肝は?

手法の核は2段階からなる。第一段階では、RecurGraphを用いてラベルなし録音から自己雑音支配的なクリップを選択する。具体的には、クリップの埋め込みを集約して埋め込み重心を計算し、オーディオ埋め込みグラフ上でスコアを伝播させる。選択されたクリップは、大規模な音イベントデータセットからの多様な環境音と混合され、オープンセット分離のためのペア教師信号(mixture-target)を提供する。第二段階では、Transfer-DiTが汎用のzero-shotニューラル分離器を対象ロボットに適応させ、高忠実度のオープンセット自己雑音分離を実現する。

4. どうやって有効だと検証した?

二足歩行ロボットと四足歩行ロボットを用いた実験を行い、クリップ選択の信頼性、分離品質、下流タスク性能を評価した。その結果、ベースラインの分離器と比較して、分離品質と下流タスク性能の改善が確認された。これにより、別途の自己雑音データや手動クリップ注釈なしでの注釈なし適応の実現可能性が示された。

5. 議論はある?

要旨からは、提案手法の限界や議論についての詳細は不明である。ただし、オープンセット設定での環境音の多様性や、異なるロボットプラットフォームへの一般化、実環境でのノイズ変動などに関する議論が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連手法として、RecurGraph、Transfer-DiT、および大規模音イベントデータセット(具体的な名称は不明)が挙げられる。また、汎用のzero-shotニューラル分離器に関する研究や、脚式ロボットの聴覚に関する先行研究が関連する。具体的な論文名は要旨からは不明であるため、同分野の定番として、音源分離(source separation)やロボット聴覚(robot audition)に関する論文を次に読むことが推奨される。

※ 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: Koki Shoda, Jun Younes Louhi Kasahara, Aoba Koyanagi, Qi An, Atsushi Yamashita

分類: cs.RO

原文アブストラクト

This paper proposes an open-set ego-noise separation framework for legged-robot audition via annotation-free adaptation and pretrained-model transfer. The framework removes robot-specific ego-noise while preserving environmental sounds whose classes are not specified in advance. Acoustic sensing provides cues about a robot's surroundings beyond the visual field, but walking-induced ego-noise from footstep impacts, joint-backlash rattling, and motor noise severely contaminates the recordings. The framework first uses RecurGraph to select ego-noise-dominant clips from the unlabeled recordings by aggregating clip embeddings into an embedding centroid and propagating scores over an audio-embedding graph. The selected clips are mixed with diverse environmental sounds from a large-scale sound-event dataset to provide paired mixture--target supervision for open-set separation. Transfer-DiT then adapts a general-purpose zero-shot neural separator to achieve high-fidelity open-set ego-noise separation for the target robot. Experiments with bipedal and quadrupedal robots show reliable clip selection and improvements in separation quality and downstream task performance over baseline separators. These results demonstrate the feasibility of annotation-free adaptation without separately recorded ego-noise-only data or manual clip-level annotations.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXO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

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