論文の概要: AIR-VLA+: Decoupling Movement and Manipulation via Cascaded Dual-Action Decoders with Asymmetric MoE for Aerial Robots

• arxiv url: http://arxiv.org/abs/2606.12859v1
• Date: Thu, 11 Jun 2026 03:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.566604
• Title: AIR-VLA+: Decoupling Movement and Manipulation via Cascaded Dual-Action Decoders with Asymmetric MoE for Aerial Robots
• Title（参考訳）: AIR-VLA+: 空気ロボット用非対称MOEを用いたカスケードデュアルアクションデコーダによるデカップリング動作と操作
• Authors: Jianli Sun, Bin Tian, Qiyao Zhang, Zijian Liu, Yutong Wang, Zhiyong Cui, Bai Li, Yisheng Lv, Yonglin Tian,
• Abstract要約: 非対称な特徴レベルのMixture of Experts(MoE)とカスケードデュアルアクションデコーダを特徴とする,空中操作に特化したフローマッチングアーキテクチャを提案する。 我々は,動作中のマニピュレータの意図を一方向から観察し,ワークフローの協調を実現するために,ケースケード操作と移動デコーダを構築した。 UAVムーブメントデコーダ内に暗黙のMoEアーキテクチャを配置し、異なるムーブメントの専門家がトレーニング中に様々なタスクステージのキャパシティインクリメントを自発的に表示できるようにする。
• 参考スコア（独自算出の注目度）: 21.904995550394933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial manipulation systems have long suffered from representation coupling in end-to-end control, as platform-level Unmanned Aerial Vehicle (UAV) movement and end-effector-level arm manipulation differ substantially in action scale, dynamics, and control objectives. In this paper, we propose AIR-VLA+, a flow matching action generation architecture specifically designed for aerial manipulation, featuring cascaded dual-action decoders and an asymmetric feature-level Mixture of Experts (MoE). We construct cascaded manipulation and movement decoders, allowing the UAV to unidirectionally observe the manipulator's intent during movement to achieve workflow coordination, while isolating the impact of UAV movement information backpropagation on arm manipulation stability. Addressing the characteristic that UAV movement is highly dependent on high-level semantics and responsible for task state transitions in aerial manipulation, we design an input feature enhancement module for the UAV movement decoder. This module introduces an implicit visual grasp projector to perceive the interaction state between the gripper and the object, and injects compressed global semantic features. Within the UAV movement decoder, we deploy an implicit MoE architecture, enabling different movement experts to spontaneously exhibit capacity inclinations for various task stages during training. Through dense soft blending computation on the feature manifold, the UAV movement is endowed with stronger task-stage adaptability. Experiments on the standardized AIR-VLA benchmark demonstrate that our method comprehensively surpasses all baselines with an overall average score of 48.0. The overall task completion score improves by 80.2\% compared to the single-head $π_{0.5}$ policy, effectively mitigating the heterogeneous coordinated control conflicts of composite robots.
• Abstract（参考訳）: 航空操作システムは、プラットフォームレベルの無人航空機(UAV)運動とエンドエフェクターレベルのアーム操作が、アクションスケール、ダイナミクス、制御目的において大きく異なるため、エンドツーエンド制御における表現結合に長い間悩まされてきた。 本稿では,空中操作に特化して設計されたフローマッチングアクション生成アーキテクチャであるAIR-VLA+を提案する。 本研究では,UAVの動作中のマニピュレータの意図を一方向から観察してワークフローの調整を行うとともに,UAVの動作情報のバックプロパゲーションが腕の操作安定性に与える影響を分離し,ケースケード操作と移動デコーダを構築する。 UAV動作が高度セマンティクスに強く依存し、空中操作におけるタスク状態遷移の原因となる特性に対処し、UAV動作デコーダ用の入力特徴拡張モジュールを設計する。 このモジュールは暗黙の視覚的把握プロジェクタを導入し、グリップとオブジェクト間の相互作用状態を認識し、圧縮されたグローバルな意味的特徴を注入する。 UAVムーブメントデコーダ内に暗黙のMoEアーキテクチャを配置し、異なるムーブメントの専門家がトレーニング中に様々なタスクステージのキャパシティインクリメントを自発的に表示できるようにする。 特徴多様体上の密接なソフトブレンディング計算により、UAV運動はより強いタスクステージ適応性を持つ。 標準化されたAIR-VLAベンチマークの実験は、我々の手法が総平均スコア48.0で全ベースラインを網羅的に超えることを示した。 総合的なタスク完了スコアは、シングルヘッドのπ_{0.5}$ポリシーと比較して80.2\%向上し、複合ロボットの不均一な協調制御競合を効果的に緩和する。

関連論文リスト

• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
  我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。 実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
  論文  参考訳（メタデータ） (2026-05-19T12:02:17Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• Glove2UAV: A Wearable IMU-Based Glove for Intuitive Control of UAV [1.9044180551673717]
  Glove2UAVは、手と指のジェスチャーによる直感的なUAV制御のためのウェアラブルIMU手袋インターフェースである。 慣性測定をリアルタイムで流し、手のひらと指の向きを推定する。 Vibrotactileのフィードバックは、飛行速度が予め定義された閾値を超えるとトリガーされる。
  論文  参考訳（メタデータ） (2026-01-22T09:03:57Z)
• PreGME: Prescribed Performance Control of Aerial Manipulators based on Variable-Gain ESO [12.679195185695164]
  可変ゲイン拡張状態オブザーバ(ESOs)に基づく新しい所定のパフォーマンス動作制御フレームワークを提案する。 動的結合のリアルタイム推定のための可変ゲインESOと所定の性能飛行制御とを含む。 実験結果から,ロボットアームの高速動作による動的結合の下でも,高い追従性能が得られた。
  論文  参考訳（メタデータ） (2025-12-28T14:54:06Z)
• Robotic VLA Benefits from Joint Learning with Motion Image Diffusion [114.60268819583017]
  VLA(Vision-Language-Action)モデルは、マルチモーダルな観察と指示を直接行動にマッピングすることで、ロボット操作において顕著な進歩を遂げた。 動き推論機能を備えたVLAモデルを強化する新しい戦略である動き画像拡散を用いた共同学習を提案する。 シミュレーションと実世界の両方の環境での実験により、モーション画像拡散による共同学習がpiシリーズVLAの成功率を97.5%に向上させることが示された。
  論文  参考訳（メタデータ） (2025-12-19T19:07:53Z)
• Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
  マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。 既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。 本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
  論文  参考訳（メタデータ） (2025-08-03T12:06:47Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Actuator Trajectory Planning for UAVs with Overhead Manipulator using Reinforcement Learning [0.3222802562733786]
  制御可能なアームを備えたUAVを2自由度で開発し、飛行中に作動作業を行う。 我々のソリューションは、腕の先端の軌跡を制御するためのQ-learning法(End-effector)を用いています。 提案手法は,15,000エピソードのQ-ラーニングを用いて,平均変位誤差の92%の精度を実現する。
  論文  参考訳（メタデータ） (2023-08-24T15:06:23Z)

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。