論文の概要: CoRMA: Contrastive RMA for Contact-Rich Meta-Adaptation
- arxiv url: http://arxiv.org/abs/2605.22082v2
- Date: Thu, 28 May 2026 04:09:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 05:02:24.525838
- Title: CoRMA: Contrastive RMA for Contact-Rich Meta-Adaptation
- Title（参考訳）: CoRMA:コンタクトリッチメタ適応のためのコントラストRMA
- Authors: Wentian Wang, Chutong Wen, Hongxu Ma, Wuhao Wang, Zhexiong Xue, Abdul Haseeb Nizamani, Dandi Zhou, Xinhai Sun, Jianqiao Zhu,
- Abstract要約: CoRMAは、強制支配アセンブリのためのコンテキストベースのメタ適応フレームワークである。
我々は,PegInsert,GearMesh,NutThreadのCoRMAをIsaac Lab/Isaac Sim 5.0および本物のMarvinアームで評価した。
- 参考スコア（独自算出の注目度）: 1.378162317195307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present CoRMA(Contrastive Robotic Motor Adaptation), a context-based meta-adaptation framework that modifies RMA for force-dominant assembly. CoRMA replaces raw simulator-parameter adaptation with a compact 6D simulator-only semantic contact context describing contact onset, lateral engagement, guided transition, contact direction, and jamming. A deployable causal Transformer adapter infers this context online from force, proprioceptive, and action histories using semantic regression and a force-regime contrastive objective. At deployment, oracle context is removed and replaced by the inferred context, enabling within-episode adaptation without demonstrations, privileged inputs, or gradient updates. We evaluate CoRMA on PegInsert, GearMesh, and NutThread in Isaac Lab / Isaac Sim 5.0 and on a real Marvin arm. Compared with FORGE baselines that achieve high simulation success but degrade substantially on hardware, CoRMA retains higher verified real success under controlled target-pose noise. These results support semantic contact inference as a reusable adaptation interface within a related assembly task family, while broader unseen-task generalization and Real2Sim calibration remain future work.
- Abstract（参考訳）: 本稿では,力強い組立のためにRMAを変更するコンテキストベースのメタ適応フレームワークであるCoRMA(Contrastive Robotic Motor Adaptation)を提案する。
CoRMAは、生のシミュレータパラメータ適応を、コンパクトな6Dシミュレータのみのセマンティックコンタクトコンテキストに置き換え、コンタクトオンセット、サイドエンゲージメント、ガイドされた遷移、コンタクト方向、ジャミングを記述する。
展開可能な因果変換器アダプタは、セマンティックレグレッションとフォース・レジメット・コントラストの目的を用いて、このコンテキストを力、受容、行動履歴からオンラインに推論する。
デプロイ時に、オラクルコンテキストは削除され、推論されたコンテキストに置き換えられる。
我々は,PegInsert,GearMesh,NutThreadのCoRMAをIsaac Lab/Isaac Sim 5.0および本物のMarvinアームで評価した。
シミュレーションの精度は高いがハードウェアでは大幅に低下するFOGEベースラインと比較して、CoRMAは制御対象雑音下での精度の高い実効性を維持している。
これらの結果は、セマンティックコンタクトの推論を、関連するアセンブリタスクファミリー内の再利用可能な適応インターフェースとしてサポートし、より広範な未確認タスクの一般化とReal2Simキャリブレーションは今後も継続する。
関連論文リスト
- GenerativeMPC: VLM-RAG-guided Whole-Body MPC with Virtual Impedance for Bimanual Mobile Manipulation [2.061143628317803]
双方向のモバイル操作は、ハイレベルなセマンティック推論と安全で準拠した物理的相互作用のシームレスな統合を必要とする。
本稿では,双方向移動マニピュレータの物理的制御パラメータによる意味的シーン理解を橋渡しする階層型サイバー物理フレームワークであるGenerativeMPCを提案する。
論文 参考訳（メタデータ） (2026-04-21T14:44:38Z) - Words & Weights: Streamlining Multi-Turn Interactions via Co-Adaptation [55.938648534942665]
マルチターンインタラクション(T2PAM)に対するテスト時ポリシー適応は,大規模言語モデル(LLM)と動的ユーザニーズとの整合に不可欠である。
本稿では,単語と重みの不均一な空間上での相互作用を協調最適化問題として再構成するフレームワークであるROSA2を提案する。
論文 参考訳（メタデータ） (2026-03-02T02:16:20Z) - CLASH: Collision Learning via Augmented Sim-to-real Hybridization to Bridge the Reality Gap [9.148510140521706]
本稿では,パラメータ条件付インパルス衝突サロゲートモデルを学習するデータ効率フレームワークであるAugmented Sim-to-real Hybridization (CLASH)による衝突学習を紹介する。
我々は,ハイブリッドシミュレータを用いて得られたポリシーが実世界へより堅牢に伝達できることを実証した。
論文 参考訳（メタデータ） (2026-02-21T03:39:33Z) - ExoGS: A 4D Real-to-Sim-to-Real Framework for Scalable Manipulation Data Collection [27.18540416686717]
ExoGSはロボットフリーの4D Real-to-Sim-to-Realフレームワークである。
実世界の静的環境と動的相互作用の両方をキャプチャし、それらをシミュレートされた環境にシームレスに転送する。
スケーラブルなデータ収集とポリシー学習のための新しいソリューションを提供する。
論文 参考訳（メタデータ） (2026-01-26T16:04:12Z) - Context Representation via Action-Free Transformer encoder-decoder for Meta Reinforcement Learning [6.927922840261954]
本稿では,Action Free Transformer encoder decoder (CRAFT)によるコンテキスト表現を提案する。
CRAFTは、状態と報酬のシーケンスのみからタスク表現を推論する。
回転位置埋め込みを備えたトランスフォーマーエンコーダデコーダ上に構築され、長い時間的依存関係をキャプチャし、パラメトリックおよび非適応タスクのバリエーションを堅牢にエンコードする。
論文 参考訳（メタデータ） (2025-12-16T03:50:29Z) - G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration [48.948187359727996]
G-Simは、厳密な経験的校正によるシミュレータ構築を自動化するハイブリッドフレームワークである。
信頼性のある因果的インフォームドシミュレータを生成し、データ効率を軽減し、堅牢なシステムレベルの介入を可能にする。
論文 参考訳（メタデータ） (2025-06-10T22:14:34Z) - Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。
Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。
Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
論文 参考訳（メタデータ） (2025-03-25T15:19:56Z) - Diffusion Transformer Policy [48.50988753948537]
本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。
トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
論文 参考訳（メタデータ） (2024-10-21T12:43:54Z)
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。