Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis

要約

あらゆる環境、あらゆる物体でシームレスに動作し、さまざまなスキルを活用して多様なタスクを完了できる汎用ロボットを構築することは、人工知能の長年の目標です。
しかし、残念なことに、既存のロボット システムのほとんどは、特定のタスク向けに設計され、特定のデータセットでトレーニングされ、特定の環境内に展開されるという制約がありました。
これらのシステムは通常、広範囲にラベル付けされたデータを必要とし、タスク固有のモデルに依存し、現実世界のシナリオに展開する際に多くの一般化の問題を抱えており、配布の変化に対して堅牢性を維持するのに苦労しています。
自然言語処理 (NLP) やコンピューター ビジョン (CV) などの研究分野における、Web スケールの大容量の事前トレーニング済みモデル (つまり、基礎モデル) の優れたオープンセット パフォーマンスとコンテンツ生成機能に動機付けられ、私たちは、
この調査は、(i) NLP および CV の既存の基礎モデルをロボット工学の分野にどのように適用できるかを調査し、(ii) ロボット工学に特化した基礎モデルがどのようなものかを調査することを目的としています。
まず、従来のロボット システムの構成要素と、それを普遍的に適用するための基本的な障壁の概要を説明します。
次に、ロボット工学のための既存の基礎モデルを活用し、ロボット工学に対応したモデルを開発する方法を模索する現在の作業について議論するための分類法を確立します。
最後に、汎用ロボット システムを実現するための基礎モデルの使用における主要な課題と有望な将来の方向性について説明します。
読者の皆様には、この調査でレビューされた論文や、ロボット工学の基礎モデルを開発するための関連プロジェクトやリポジトリを含む、生きている GitHub リポジトリのリソースを参照することをお勧めします。

要約(オリジナル)

Building general-purpose robots that can operate seamlessly, in any environment, with any object, and utilizing various skills to complete diverse tasks has been a long-standing goal in Artificial Intelligence. Unfortunately, however, most existing robotic systems have been constrained – having been designed for specific tasks, trained on specific datasets, and deployed within specific environments. These systems usually require extensively-labeled data, rely on task-specific models, have numerous generalization issues when deployed in real-world scenarios, and struggle to remain robust to distribution shifts. Motivated by the impressive open-set performance and content generation capabilities of web-scale, large-capacity pre-trained models (i.e., foundation models) in research fields such as Natural Language Processing (NLP) and Computer Vision (CV), we devote this survey to exploring (i) how these existing foundation models from NLP and CV can be applied to the field of robotics, and also exploring (ii) what a robotics-specific foundation model would look like. We begin by providing an overview of what constitutes a conventional robotic system and the fundamental barriers to making it universally applicable. Next, we establish a taxonomy to discuss current work exploring ways to leverage existing foundation models for robotics and develop ones catered to robotics. Finally, we discuss key challenges and promising future directions in using foundation models for enabling general-purpose robotic systems. We encourage readers to view our living GitHub repository of resources, including papers reviewed in this survey as well as related projects and repositories for developing foundation models for robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google