指示（タスク）に応じたロボット検査のためのスキャン設定：視覚言語埋め込みと超次元計算によるパラメータ最適化

Abstract

ロボティックなレーザープロファイリングは、寸法検証や表面検査に広く用いられている一方で、計測の忠実性はしばしばロボットの動作ではなくセンサー構成によって支配されます。産業用プロファイラでは、サンプリング周波数、計測レンジ、露光時間、受信機のダイナミックレンジ、照明など、複数の連動したパラメータが公開されていますが、これらはいまだに試行錯誤によって調整されています。パラメータの不一致は、飽和、クリッピング、あるいは下流で回復不能な戻り信号の欠落を引き起こし得ます。そこで本研究では、指示に条件付けされたセンシングパラメータの推奨を定式化します。事前スキャンのRGB観測と、自然言語の検査指示が与えられたとき、ロボット搭載型プロファイラの主要パラメータに関して離散的な構成を推論します。この問題をベンチマークするために、16物体にわたる複数視点のポーズと照明の変動、および検査意図を結び付ける実世界のマルチモーダルデータセットであるInstruct-Obs2Paramを構築します。さらに、命令と観測をタスクに応じたコードへ結び付け、コンパクトなメモリを用いたパラメータ単位の連想推論を行うことで、離散的なスキャナレジームに適合しつつ、安定した、解釈可能で、低遅延の意思決定を可能にする高次元計算（ハイパーディメンショナル・コンピューティング）フレームワークScanHDを提案します。Instruct-Obs2Paramにおいて、ScanHDは5つのパラメータすべてにわたり、平均厳密一致精度92.7%および平均Win@1精度98.1%を達成し、強いクロス分割（cross-split）での汎化と、導入に適した低遅延推論を示します。これは、ルールベースのヒューリスティック、従来のマルチモーダルモデル、そしてマルチモーダル大規模言語モデルに対して優れています。本研究は、タスク意図とシーン文脈から、自律的に指示に条件付けされたセンシング構成を可能にし、手動でのチューニングを不要にするとともに、センサー構成を静的な設定から適応的な意思決定変数へと引き上げます。