論文の概要: GSAM: A Generalizable and Safe Robotic Framework for Articulated Object Manipulation
- arxiv url: http://arxiv.org/abs/2605.30740v1
- Date: Fri, 29 May 2026 02:09:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.337214
- Title: GSAM: A Generalizable and Safe Robotic Framework for Articulated Object Manipulation
- Title（参考訳）: GSAM:Articulated Object Manipulationのための汎用的で安全なロボットフレームワーク
- Abstract要約: 人工物体操作は、サービスロボットにとってユニークな課題である。
既存の手法では、エンドツーエンドのポリシー学習、視覚計画、大規模言語/視覚言語モデル(LLM/VLM)が採用されている。
本稿では,汎用的で安全なオブジェクト操作のためのロボットフレームワークであるGSAMを提案する。
- 参考スコア（独自算出の注目度）: 24.801658783977015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Articulated object manipulation is a unique challenge for service robots. Existing methods employ end-to-end policy learning, visionmotion planning, and large-language/visual-language model (LLM/VLM), but often overlook the diversity of articulated objects and the complexity of interactions between end-effector and handle, leading to limited generalization and destructive collisions. To address this, we propose GSAM, a generalizable and safe robotic framework for articulated object manipulation. Specifically, a vision-based perceiver generates the kinematic parameters. Considering that pre-trained markers in perceiver yield raw estimations that may deviate from commonsense, we present a f ine-tuned VLM-based refiner, using chain-of-thought (COT) commonsense reasoning to refine perception. To prevent destructive collisions, we design an interaction constraint function generator, integrating articulated object, interaction pose, and obstacle avoidance knowledge into a base. LLM then functionalize these constraints and apply them to trajectory and posture planning. A kinematic-aware manipulation planner verifies reachability for trajectory and posture. Experiments on 50 hinge tasks across 5 object categories and 50 randomly initialized end-effectorhandle configurations show that GSAM reduces standard deviation by 3.1% and improves manipulation success rate by 36.0% compared to the best baseline, respectively demonstrating the superior object generalization and interaction safety of GSAM in practical scenarios.
- Abstract（参考訳）: 人工物体操作は、サービスロボットにとってユニークな課題である。
既存の手法では、エンドツーエンドのポリシー学習、視覚運動計画、多言語/視覚言語モデル(LLM/VLM)が採用されているが、しばしば、明瞭なオブジェクトの多様性と、エンドエフェクタとハンドラー間の相互作用の複雑さを見落とし、限定的な一般化と破壊的な衝突をもたらす。
そこで本研究では,汎用的で安全なオブジェクト操作のためのロボットフレームワークであるGSAMを提案する。
具体的には、視覚に基づく知覚者が運動パラメータを生成する。
知覚者における事前学習マーカーは, 常識から逸脱する生の推定値が得られることを考慮し, 認識を洗練させるために, チェーン・オブ・シンク(COT)コモンセンス推論を用いて, f ine-tuned VLM-based refinerを提案する。
本研究では, 衝突防止のために, 干渉制約関数生成器を設計し, 対話対象, 干渉ポーズ, 障害物回避知識をベースに統合する。
LLMはこれらの制約を機能化し、軌跡や姿勢計画に適用する。
運動認識操作プランナは、軌道と姿勢の到達性を検証する。
5つの対象カテゴリにわたる50のヒンジタスクと50のランダムに初期化されたエンドエフェクタハンドル構成の実験により、GSAMは標準偏差を3.1%減らし、最良のベースラインと比較して操作成功率を36.0%改善し、実用シナリオにおけるGSAMの優れたオブジェクト一般化と相互作用安全性を示している。
関連論文リスト
- SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning [99.49739831030388]
このインタフェースの設計は,オープンエンド空間推論のためのエージェントのキャパシティをいかに形作るかを検討する。
本研究では,アクションインタフェースとしてコードを採用する空間推論のためのトレーニングフリーフレームワークであるSpatialClawを提案する。
論文 参考訳（メタデータ） (2026-06-11T17:59:36Z) - IMPACT: Learning Internal-Model Predictive Control for Forceful Robotic Manipulation [43.12484757720005]
実世界のロボット操作タスクは、しばしば環境との力強い相互作用を伴う。
我々は、これらの強制的なタスクをタスク計画と内部モデルに基づく予測制御に分離するフレームワークIMPACTを提案する。
論文 参考訳（メタデータ） (2026-06-09T13:00:56Z) - AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding [55.535374902204296]
AffordanceVLAは、タスク指向の中間表現として構造化された価格予測を導入する統一フレームワークである。
AffordanceVLAは様々な操作シナリオで高いパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2026-06-04T13:28:51Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。
新たな統合的ツイスト推定法を用いて調音モデルを推定する。
また,Arti4D-Semanticデータセットについても紹介する。
論文 参考訳（メタデータ） (2026-02-18T10:40:35Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - Kinematics-Aware Diffusion Policy with Consistent 3D Observation and Action Space for Whole-Arm Robotic Manipulation [9.547155394196158]
フルアームキネマティクスを意識したロボットマニピュレータの全身制御は多くの操作シナリオにおいて重要である。
全体腕操作の典型的なアプローチは、ロボットの関節空間での動作を学ぶことである。
本稿では,一貫したタスク,観察,行動空間を備えたキネマティクス対応の模倣学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-19T13:34:29Z) - O$^3$Afford: One-Shot 3D Object-to-Object Affordance Grounding for Generalizable Robotic Manipulation [8.1159855043566]
我々は,限られたデータ制約下でのオブジェクト・ツー・オブジェクト・アベイランス・グラウンドディングの課題に対処する。
近年の2次元視覚基礎モデルによる数ショット学習の進歩に触発され,ロボット操作のための1Dオブジェクト・オブジェクト・アベイランス・ラーニング・アプローチを提案する。
3Dオブジェクト・ツー・オブジェクト・アベイランス・グラウンドとロボット操作による実験により,O$3$Affordは,精度と一般化能力の両面で,既存のベースラインを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2025-09-07T22:45:06Z) - Learning Video Generation for Robotic Manipulation with Collaborative Trajectory Control [72.00655365269]
本稿では,協調的軌跡定式化を通じてオブジェクト間ダイナミクスをモデル化する新しいフレームワークであるRoboMasterを紹介する。
オブジェクトを分解する従来の方法とは異なり、我々のコアは、相互作用プロセスを3つのサブステージ(相互作用前、相互作用後、相互作用後)に分解することである。
提案手法は既存の手法よりも優れており,ロボット操作のための軌道制御ビデオ生成における最先端性能を確立している。
論文 参考訳（メタデータ） (2025-06-02T17:57:06Z) - Learning Extrinsic Dexterity with Parameterized Manipulation Primitives [8.7221770019454]
我々は、オブジェクトのポーズを変えるために環境を利用する一連のアクションを学習する。
我々のアプローチは、オブジェクトとグリップと環境の間の相互作用を利用してオブジェクトの状態を制御することができる。
拘束されたテーブルトップワークスペースから様々な重量,形状,摩擦特性の箱状物体を選別する手法の評価を行った。
論文 参考訳（メタデータ） (2023-10-26T21:28:23Z) - H-SAUR: Hypothesize, Simulate, Act, Update, and Repeat for Understanding
Object Articulations from Interactions [62.510951695174604]
The Hypothesize, Simulate, Act, Update, and Repeat (H-SAUR) is a probabilistic generative framework that generated hypotheses about objects articulate given input observed。
提案手法は,現在最先端のオブジェクト操作フレームワークよりも優れていることを示す。
我々は、学習に基づく視覚モデルから学習前の学習を統合することにより、H-SAURのテスト時間効率をさらに向上する。
論文 参考訳（メタデータ） (2022-10-22T18:39:33Z)
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。