産業用ロボットのためのビジョン・ランゲージ質問応答モデルに関する研究

要旨: 工業ロボティクスにおける視覚-言語質問応答（VLQA）向けに、階層的なクロスモーダル融合モデルを提案する。本研究は、現代の製造業に共通する意味的曖昧さ、複雑な環境レイアウト、そして領域固有の用語といった課題に焦点を当てている。この枠組みは、高度な物体検出、多尺度の視覚エンコーディング、構文解析、課題を認識したセマンティック注意を統合し、視覚と語学（言語）信号を共同推論空間へと結び付ける。領域（リージョン）ベースの深層ネットワークが視覚特徴を抽出し、重み付き埋め込みが集約され、反復型ニューラルパーシングが文構造を符号化する。適応的融合とクロスアテンション機構によって駆動されるきめ細かな意味整合により、本システムは、運用上の問い合わせ、指示ステップ、異常検知をより高い信頼性で扱える。既存のVLQAベンチマークと比べて、IVQAおよびRIFベンチマークで実施した検証実験では、意味整合、Top-1精度、および曖昧または手順的なタスク問い合わせへの頑健性の向上が示された。さらにアブレーション研究により、各アーキテクチャモジュールの寄与が定量化され、多段階の特徴統合と、文脈に基づくゲーティングの必要性が確認される。ここで報告する技術的進歩は、多様なヒューマン-ロボット相互作用タスクに直面する工業ロボットの解釈可能性と運用上の有効性を高めるための中核となる方法論を提供する。