要旨: 人の存在なしに稼働する無人の「ダークファクトリー」の台頭により、複数の危険タイプを検出し、それに応答できる自律型の安全システムが求められています。私たちは、安全のためのASF（Agentic Security Fleet）を提示します。これは、産業環境における自律的な危険検出のためにヒューマノイドロボットを展開する包括的な枠組みです。本システムは、マルチモーダル知覚（RGB-Dイメージング）、ReActベースのエージェント型推論フレームワーク、そしてUnitree G1ヒューマノイドプラットフォーム上で学習した移動（ロコモーション）方策を統合します。扱う3つの重要な危険シナリオは、火災・煙の検出、パイプラインにおける異常温度のモニタリング、制限区域での侵入者検出です。知覚パイプラインは、火災または煙の検出に対して127msの遅延で94.2%のmAPを達成します。さらに、Unitree RL LabとPPOを用いて、ダンス動作の追従や速度制御を含む複数の移動方策を学習し、80,000回の学習反復以内で安定した収束を示します。シミュレーションと実環境の両方で本システムを検証し、自律パトロール、人の視覚知覚による検出、障害物回避の能力を示します。提案するToolOrchestraのアクションフレームワークは、知覚、推論、作動（アクチュエーション）のツールによって、構造化された意思決定を可能にします。
SafeGuard ASF：自律型産業安全のためのSRエージェント型ヒューマノイドロボットシステム
arXiv cs.RO / 2026/3/27
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、人がいない「ダークファクトリー」における自律的な産業安全を可能にすることを目的としたヒューマノイドロボットのフレームワーク「SafeGuard ASF（Agentic Security Fleet）」を紹介する。
- 複数モーダルのRGB-D知覚、ReActベースのエージェント的推論レイヤ、Unitree G1ヒューマノイドプラットフォーム上で実行される学習済み移動（ロコモーション）ポリシーを組み合わせる。
- 対象とする危険シナリオは3つ――火災／煙の検知、配管温度の異常監視、制限区域への侵入者の検知――であり、自律パトロールと障害物回避にも対応する。
- 知覚性能として、火災／煙の検知で94.2% mAP（レイテンシ127 ms）を報告しており、移動ポリシーの学習では80,000イテレーション以内でPPOが安定して収束することを示す。
- 「ToolOrchestra」アクションの枠組みにより、知覚・推論・作動（アクチュエーション）にまたがる意思決定を構造化し、シミュレーションおよび実環境の双方で検証する。
