HeteroHub：異種多身体エージェントシステム向けの適用可能なデータ管理フレームワーク

arXiv cs.AI / 2026/3/31

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

異種の多身体エージェントシステムでは、静的な知識、多モーダルな学習コーパス、そして連続するセンサストリームにまたがる大規模かつ多様なデータを統一的に扱う必要があるが、既存のインフラは断片化している。
本論文では、静的メタデータ、タスクに整合した学習データ、そしてリアルタイムのストリームを1つの管理レイヤとして統合するデータ中心のフレームワーク「HeteroHub」を提案する。
HeteroHubは、タスクを意識したモデル学習、文脈に応じた実行、そして実世界のフィードバックを用いたクローズドループ制御を可能にすることを目的として設計されている。
デモにより、HeteroHubが複数の身体性を備えたAIエージェントを調整して複雑なタスクを完了する様子が示され、実運用におけるスケーラビリティ、保守性、進化可能性の向上が強調される。

Abstract

異種マルチエンボデッド・エージェント・システムは、動的な環境でタスクを達成するために、多様な能力を持つ複数のエンボデッド・エージェントを協調させることを含みます。このプロセスには、大規模で異種のデータの収集・生成・利用が必要であり、それは主に3つのカテゴリに分類されます。すなわち、エージェント、タスク、環境に関する静的知識、さまざまなAIモデル向けに調整されたマルチモーダル学習データセット、そして高頻度のセンサーストリームです。しかし、既存のフレームワークは、このようなシステムの現実世界での展開を支える統一的なデータ管理基盤を欠いています。このギャップに対処するために、私たちは extbf{HeteroHub} を提案します。HeteroHub は、静的メタデータ、タスクに整合した学習コーパス、そしてリアルタイムのデータストリームを統合する、データ中心のフレームワークです。このフレームワークは、タスクを認識したモデル学習、文脈に応じた実行、そして現実世界のフィードバックにより駆動されるクローズドループ制御を支援します。デモンストレーションでは、HeteroHub が複数のエンボデッドAIエージェントをうまく連携させて複雑なタスクを実行し、堅牢なデータ管理基盤が、スケーラブルで保守可能かつ進化可能なエンボデッドAIシステムを可能にする方法を示しました。