論文の概要: Distracted Robot: How Visual Clutter Undermine Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2511.22780v1
• Date: Thu, 27 Nov 2025 22:13:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.720086
• Title: Distracted Robot: How Visual Clutter Undermine Robotic Manipulation
• Title（参考訳）: 難解なロボット:ビジュアルクラッタがロボットの操作を損なう方法
• Abstract要約: 我々は,環境要因や乱雑な量,特徴,配置を考慮に入れた一貫したクラッタ尺度を用いている。 実験では、シーンの乱雑さによる大きな影響を強調し、ポリシーのパフォーマンスを最大34%下げた。 改良されたデータに対する微調整は有効ではあるが、粗末な処理が性能に与える影響を均等に緩和するものではないことを示す。
• 参考スコア（独自算出の注目度）: 17.54924223298903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we propose an evaluation protocol for examining the performance of robotic manipulation policies in cluttered scenes. Contrary to prior works, we approach evaluation from a psychophysical perspective, therefore we use a unified measure of clutter that accounts for environmental factors as well as the distractors quantity, characteristics, and arrangement. Using this measure, we systematically construct evaluation scenarios in both hyper-realistic simulation and real-world and conduct extensive experimentation on manipulation policies, in particular vision-language-action (VLA) models. Our experiments highlight the significant impact of scene clutter, lowering the performance of the policies, by as much as 34% and show that despite achieving similar average performance across the tasks, different VLA policies have unique vulnerabilities and a relatively low agreement on success scenarios. We further show that our clutter measure is an effective indicator of performance degradation and analyze the impact of distractors in terms of their quantity and occluding influence. At the end, we show that finetuning on enhanced data, although effective, does not equally remedy all negative impacts of clutter on performance.
• Abstract（参考訳）: 本研究では,散在シーンにおけるロボット操作ポリシーの性能を評価するための評価プロトコルを提案する。 従来の研究とは対照的に、精神物理学的な観点からの評価にアプローチするため、環境要因だけでなく、乱れ量、特徴、配置を考慮に入れた一貫したクラッタ尺度を用いる。 この尺度を用いて,超現実的シミュレーションと実世界の両方で評価シナリオを体系的に構築し,特に視覚言語アクション(VLA)モデルにおいて,操作ポリシーに関する広範な実験を行う。 我々の実験は、シーンの乱雑さによる重大な影響を強調し、ポリシーのパフォーマンスを最大34%低下させ、タスク全体で同様の平均性能を達成したにもかかわらず、異なるVLAポリシーには固有の脆弱性があり、成功シナリオに対する比較的低い合意があることを示す。 さらに, クラッタ測定は, 性能劣化の効果的な指標であり, その量や影響の排除の観点から, トラクタの影響を解析する。 最終的に、強化データに対する微調整は、有効ではあるが、スパッタが性能に与える影響の全てを均等に緩和するものではないことを示す。

関連論文リスト

• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• Active Real-World Factor-Based Evaluation for Generalist Robot Policies [13.386170952445868]
  汎用的なロボット操作ポリシーは、幅広いタスクで顕著な可能性を示してきた。 本稿では,政策評価を逐次実験設計問題として扱う能動的評価フレームワークを提案する。 3つの要因の異なる3つのタスクにまたがって2331の現実的評価を行い、我々のアプローチは一般的に少なくとも20～40%の試行を省く。
  論文  参考訳（メタデータ） (2026-07-16T00:21:54Z)
• Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
  既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。 シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。 VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
  論文  参考訳（メタデータ） (2026-05-07T14:13:05Z)
• From Inference Efficiency to Embodied Efficiency: Revisiting Efficiency Metrics for Vision-Language-Action Models [5.744219633980964]
  VLA(Vision-Language-Action)モデルは最近、エンボディエージェントがますます複雑なタスクを実行できるようにした。 現在のVLA研究における「効率性」の概念は,ロボットプラットフォーム上での実際の性能を反映していない。
  論文  参考訳（メタデータ） (2026-03-19T16:49:28Z)
• Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning [41.56474276521344]
  実演データの質は、効果的なデータ駆動型ロボット学習にとって重要なボトルネックである。 データ品質を各トレーニングサンプルの寄与として定義し,検証結果の損失を低減することによって高品質なデータを特定するために,QoQ(Quality over Quantity)を提案する。 シミュレーションと実世界の両方の環境での実験は、QoQが以前のデータ選択方法よりも一貫してポリシー性能を改善していることを示している。
  論文  参考訳（メタデータ） (2026-03-10T00:59:59Z)
• The Hawthorne Effect in Reasoning Models: Evaluating and Steering Test Awareness [11.38027628419642]
  推論に焦点を当てたLLMは、評価されていることを検知すると、その振る舞いを変えることがある。 このような「テスト意識」がモデル行動に与える影響について、最初の定量的研究を行った。
  論文  参考訳（メタデータ） (2025-05-20T17:03:12Z)
• Object-Centric Latent Action Learning [70.3173534658611]
  本稿では,画素ではなくオブジェクトを対象とする,オブジェクト中心の潜在動作学習フレームワークを提案する。 我々は、自己教師対象中心の事前学習を利用して、行動関連や注意をそらすダイナミクスを歪めている。 その結果, 物体中心の事前学習は, トラクタの負の効果を50%軽減することがわかった。
  論文  参考訳（メタデータ） (2025-02-13T11:27:05Z)
• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
  因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。 提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
  論文  参考訳（メタデータ） (2024-02-22T13:22:06Z)
• Individualized Policy Evaluation and Learning under Clustered Network Interference [3.8601741392210434]
  本稿では,クラスタ化されたネットワーク干渉下での最適個別処理規則(ITR)の評価と学習の問題点について考察する。 ITRの実証性能を評価するための推定器を提案する。 学習ITRに対する有限サンプル残差を導出し、効率的な評価推定器の使用により学習ポリシーの性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-11-04T17:58:24Z)
• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
  本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。 本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。 難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2023-05-17T14:14:31Z)
• Understanding reinforcement learned crowds [9.358303424584902]
  強化学習法は仮想エージェントをアニメーションするために用いられる。 彼らの本当の影響と、それが結果にどのように影響するかは、明らかではない。 学習性能に対する影響の観点から,これらの任意選択のいくつかを分析した。
  論文  参考訳（メタデータ） (2022-09-19T20:47:49Z)
• Mitigating Negative Side Effects via Environment Shaping [27.400267388362654]
  非構造環境で作動するエージェントは、しばしば負の副作用(NSE)を引き起こす 本稿では,この問題を解き,理論特性を解析するアルゴリズムを提案する。 提案手法は,エージェントが割り当てられたタスクを完了させる能力に影響を与えずに,nseを効果的に緩和できることを示す。
  論文  参考訳（メタデータ） (2021-02-13T22:15:00Z)
• Confounding Feature Acquisition for Causal Effect Estimation [6.174721516017138]
  我々は,この課題を因果推論のための特徴獲得の問題として捉えている。 我々のゴールは、効率的な平均治療効果の推定につながるサンプルにおいて、行方不明の共同創業者の固定的で既知のサブセットの取得値を優先順位付けすることです。
  論文  参考訳（メタデータ） (2020-11-17T16:28:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。