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
• Authors: Amir Rasouli, Montgomery Alban, Sajjad Pakdamansavoji, Zhiyuan Li, Zhanguang Zhang, Aaron Wu, Xuan Zhao,
• 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

• 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)
• 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)
• 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)

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。