論文の概要: Instrumentation for Imitation Learning: Enhancing Training Datasets for Clothes Hanger Insertion

• arxiv url: http://arxiv.org/abs/2605.23847v1
• Date: Fri, 22 May 2026 16:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.436277
• Title: Instrumentation for Imitation Learning: Enhancing Training Datasets for Clothes Hanger Insertion
• Title（参考訳）: 模倣学習のための楽器:衣服のハンガー挿入のためのトレーニングデータセットの強化
• Authors: Remko Proesmans, Thomas Lips, Francis wyffels,
• Abstract要約: 服用ハンガー挿入の模擬学習について述べる。 インスツルメンテーションデータへのアクセスなしに拡散政策を訓練する。 ブラックボックス模倣学習ポリシーは、明示的なガイダンスなしでインスツルメンテーション信号を優先することを学ぶ。
• 参考スコア（独自算出の注目度）: 0.5199765487172326
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large behaviour models have transformed the field of robotic manipulation, but prohibitive data requirements have thus far prevented a revolution similar to vision language models. We believe that instrumentation, i.e. sensor integration in objects, can provide invaluable state information and enable efficient learning for robotic manipulation. In this paper, we present instrumented imitation learning of clothes hanger insertion. Using 180 teleoperated demonstrations, we train diffusion policies with and without access to instrumentation data. Results show that policies leveraging instrumentation outperform vision-only counterparts by 14-25 %pt and exhibit greater task awareness. Crucially, a black-box imitation learning policy learns to prioritise instrumentation signals without explicit guidance. In addition, enhancing the teleoperation dataset with rollouts from an instrumented expert policy, enables a vision-only student policy to achieve performance comparable to the instrumented expert, thereby surpassing the original vision-only policy. These findings establish instrumentation as a promising strategy to enhance imitation learning for robotic manipulation. Datasets are available on Zenodo.
• Abstract（参考訳）: 大規模行動モデルはロボット操作の分野を変えてきたが、これまでデータ要求の禁止は、視覚言語モデルに似た革命を妨げてきた。 インスツルメンテーション、すなわちオブジェクトへのセンサの統合は、貴重な状態情報を提供し、ロボット操作のための効率的な学習を可能にすると我々は信じている。 本稿では,服用ハンガー挿入の模擬学習について述べる。 180個の遠隔操作型デモンストレーションを用いて,計測データへのアクセスとアクセスの不要な拡散ポリシーを訓練する。 その結果,視力のみの指標を活用する政策が14～25パーセント向上し,タスク認知度が向上した。 重要なことは、ブラックボックスの模倣学習ポリシーは、明示的なガイダンスなしでインスツルメンテーションシグナルを優先することを学ぶ。 さらに、計装された専門家ポリシーからのロールアウトによる遠隔操作データセットの強化により、視力のみの学生ポリシーにより、計装された専門家に匹敵するパフォーマンスを達成でき、それによって、当初の視力のみのポリシーを上回ることができる。 これらの知見は、ロボット操作のための模倣学習を強化するための有望な戦略としてインスツルメンテーションを確立した。 データセットはZenodoで入手できる。

関連論文リスト

• ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
  ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。 スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。 ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:08Z)
• RoboGround: Robotic Manipulation with Grounded Vision-Language Priors [59.31993241876335]
  本研究では,効果的な中間表現としての接地マスクについて検討する。 我々は、接地型ロボット操作システムであるRoboGroundを紹介する。 一般化をさらに探求し、拡張するために、大規模なシミュレーションデータを生成する自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-30T11:26:40Z)
• Enhancing Reusability of Learned Skills for Robot Manipulation via Gaze Information and Motion Bottlenecks [3.6102013408603533]
  本稿では,学習動作の再利用性を高めるため,GazeベースのBottleneck対応ロボットマニピュレーション(GazeBot)を提案する。 GazeBotは、最先端の模倣学習手法と比較して高い成功率を達成する。
  論文  参考訳（メタデータ） (2025-02-25T11:44:28Z)
• AdaDemo: Data-Efficient Demonstration Expansion for Generalist Robotic Agent [75.91274222142079]
  本研究では,汎用ロボットエージェントの学習を容易にするために,データ効率のよい方法で実演をスケールアップすることを目的とする。 AdaDemoは、デモデータセットを積極的に継続的に拡張することで、マルチタスクポリシー学習を改善するように設計されたフレームワークである。
  論文  参考訳（メタデータ） (2024-04-11T01:59:29Z)
• 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)
• A Framework for Efficient Robotic Manipulation [79.10407063260473]
  単一のロボットアームがピクセルからスパースリワード操作ポリシーを学習できることを示します。 デモは10回しかなく、単一のロボットアームがピクセルからスパースリワード操作のポリシーを学習できることを示しています。
  論文  参考訳（メタデータ） (2020-12-14T22:18:39Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)

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。