論文の概要: ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching

• arxiv url: http://arxiv.org/abs/2605.11048v1
• Date: Mon, 11 May 2026 13:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.329554
• Title: ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching
• Title（参考訳）: ForceFlow: コンタクト駆動型フローマッチングによるフィールと行動を学ぶ
• Authors: Shuoheng Zhang, Yifu Yuan, Hongyao Tang, Yan Zheng, Qiaojun Yu, Pengyi Li, Guowei Huang, Helong Huang, Xingyue Quan, Jianye Hao,
• Abstract要約: ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。 ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。 また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
• 参考スコア（独自算出の注目度）: 53.30290192030814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing imitation learning methods enable robots to interact autonomously with the physical environment. However, contact-rich manipulation tasks remain a significant challenge due to complex contact dynamics that demand high-precision force feedback and control. Although recent efforts have attempted to integrate force/torque sensing into policies, how to build a simple yet effective framework that achieves robust generalization under multimodal observations remains an open question. In this paper, we propose ForceFlow, a force-aware reactive framework built upon flow matching. For contact-stage policy design, we investigate force signal fusion mechanisms and adopt an asymmetric multimodal fusion architecture that treats force as a global regulatory signal, combined with a joint prediction paradigm that enhances the policy's understanding of instantaneous force and historical information, thereby achieving deep coupling between force and motion. For task-level hierarchical decomposition, we divide manipulation into a vision-dominant approach stage (VLM-based pointing for target localization) and a touch-dominant interaction stage (force-driven contact execution), with a Vision-to-Force (V2F) handover mechanism that explicitly decouples spatial generalization from contact regulation. Experimental results across six real-world contact-rich tasks demonstrate that ForceFlow achieves a 37% success rate improvement over the strong baseline ForceVLA while maintaining significantly lower cost. Moreover, ForceFlow exhibits accurate force signal prediction and demonstrates superior performance in contact force self-regulation and zero-shot out-of-distribution (OOD) generalization.
• Abstract（参考訳）: 既存の模倣学習手法により、ロボットは物理的環境と自律的に対話することができる。 しかし、高精度な力フィードバックと制御を必要とする複雑な接触ダイナミクスのため、コンタクトリッチな操作タスクは依然として重要な課題である。 近年、力覚をポリシーに統合する試みが試みられているが、マルチモーダル観測の下で堅牢な一般化を実現するための、シンプルで効果的なフレームワークを構築する方法は、未解決の課題である。 本稿では,フローマッチングに基づく力覚応答型フレームワークであるForceFlowを提案する。 接触段階の政策設計では、力信号の融合機構を調査し、力のグローバルな規制信号として扱う非対称多モード融合アーキテクチャと、政策の即時的な力と履歴情報の理解を高める共同予測パラダイムを組み合わせ、力と動きの深い結合を実現する。 タスクレベルの階層的分解では,操作を視覚支配的アプローチステージ(VLM)とタッチ支配的インタラクションステージ(フォース駆動型コンタクト実行)に分割し,空間一般化と接触制御を明確に分離するビジョン・ツー・フォース(V2F)ハンドオーバ機構を提案する。 実世界の6つのコンタクト豊富なタスクに対する実験結果から、ForceFlowは強力なベースラインであるForceVLAよりも37%の成功率の向上を実現し、コストを大幅に削減した。 さらに、ForceFlowは正確な力信号予測を示し、接触力自己制御とゼロショットアウト・オブ・ディストリビューション(OOD)の一般化において優れた性能を示す。

関連論文リスト

• ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
  エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。 学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。 実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-03-16T12:03:58Z)
• Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation [55.969741720077565]
  コンタクトリッチな操作は、人間のような知覚と力のフィードバックの統合を要求する。 既存の学習ベースのポリシは、これらの役割をモノリシックなネットワークに束縛することが多い。 本研究では,グローバル・ローカル・ビジョン・フォース・ポリシーを提案する。このポリシーでは,グローバル・グローバル・ポリシーが視覚を用いて自由空間動作を誘導し,接触時に,力フィードバックによる高周波ローカル・ポリシーが相互作用フレームを推定し,安定した相互作用のためのハイブリッド・フォース・ポジション・コントロールを実行する。
  論文  参考訳（メタデータ） (2026-02-25T16:35:24Z)
• FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich Manipulation [8.726448573057725]
  本稿では,力覚をコンタクトリッチな操作に統合する新しいフレームワークであるForce-Distilled VLAを提案する。 当社のアプローチのコアは、学習可能なクエリトークンをマッピングすることで、フォースを蒸留するFDM(Force Distillation Module)である。 推理中、この蒸留された力トークンは、予め訓練されたVLMに注入され、力を認識する推論が可能となる。
  論文  参考訳（メタデータ） (2026-02-02T14:19:46Z)
• ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning [52.86018040861575]
  本稿では,単一のネットワークに視覚計画と反応力制御を統合した,一貫したエンドツーエンドの視覚力拡散政策を提案する。 本稿では,非同期な視覚と力のトークンを同時に処理するための因果的注意力を利用した構造的スローフォールストラーニングを紹介する。 コンタクトリッチタスクの実験では、ImplicitRDPは視覚のみのベースラインと階層的なベースラインの両方で著しく優れていた。
  論文  参考訳（メタデータ） (2025-12-11T18:59:46Z)
• ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
  ForceVLAは、新しいエンドツーエンド操作フレームワークである。 外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
  論文  参考訳（メタデータ） (2025-05-28T09:24:25Z)
• ForceGrip: Reference-Free Curriculum Learning for Realistic Grip Force Control in VR Hand Manipulation [0.10995326465245926]
  本稿では,現実的な手操作動作を合成する深層学習エージェントであるForceGripを紹介する。 我々は、指の位置決め、意図適応、動的安定化を含む3段階のカリキュラム学習フレームワークを採用する。 以上の結果から,ForceGripの出力制御性と信頼性は最先端の手法に比べて優れていた。
  論文  参考訳（メタデータ） (2025-03-11T05:39:07Z)

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。