論文の概要: One-to-Two Acting: A Novel Framework for Single-arm Agent Action Expansion to Dual Arms
- arxiv url: http://arxiv.org/abs/2606.19897v1
- Date: Thu, 18 Jun 2026 07:53:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.71418
- Title: One-to-Two Acting: A Novel Framework for Single-arm Agent Action Expansion to Dual Arms
- Title（参考訳）: 1対2のアクション:デュアルアームへのシングルアームエージェントアクション拡張のための新しいフレームワーク
- Authors: Youbin Yao, Nieqin Cao, Mingyan Li, Yan Ding, Fuqiang Gu, Chao Chen,
- Abstract要約: シングルアームの監視からデュアルアーム操作を可能にする階層型アクション拡張フレームワークであるExS2Dを提案する。
ExS2Dは、単一アームベースラインに匹敵する成功率を維持しながら、平均実行ステップを54.4%削減する。
- 参考スコア（独自算出の注目度）: 13.261255689185909
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dual-arm manipulation can improve throughput via parallel execution, but collecting bimanual demonstrations for training is costly and difficult. We present ExS2D, a hierarchical action expansion framework that enables dual-arm manipulation from single-arm supervision. ExS2D first generates structured subtasks from textual instructions while explicitly capturing temporal precedence. It then grounds each subtask into executable actions through subtask-guided action mapping in observation. Finally, precedence-aware action allocation and synchronized planning are performed by a multimodal large language model driven coordinator to select collision-free dual-arm executions. Simulation experiments demonstrate that ExS2D reduces the average execution steps by 54.4% while maintaining a comparable success rate to a single-arm baseline. Real-robot experiments on four tasks further demonstrate the reliability of ExS2D for dual-arm execution under few-shot single-arm samples, while using zero bimanual demonstrations.
- Abstract（参考訳）: デュアルアーム操作は並列実行によってスループットを向上させることができるが、トレーニングのための双方向のデモンストレーション収集は費用がかかり難い。
シングルアームの監視からデュアルアーム操作を可能にする階層型アクション拡張フレームワークであるExS2Dを提案する。
ExS2Dは、まずテキスト命令から構造化サブタスクを生成し、時間的優先性を明示的にキャプチャする。
次に、各サブタスクを観察時にサブタスク誘導されたアクションマッピングを通じて実行可能なアクションにグラウンドする。
最後に、衝突のないデュアルアーム実行を選択するためのマルチモーダルな大規模言語モデル駆動コーディネータにより、先行対応アクションアロケーションと同期計画を行う。
シミュレーション実験により、ExS2Dは平均実行ステップを54.4%削減し、シングルアームベースラインに匹敵する成功率を維持した。
4つのタスクにおける実ロボット実験は、数発の単発単発サンプルの下でのデュアルアーム実行のためのExS2Dの信頼性をさらに証明し、双対デモはゼロである。
関連論文リスト
- Information-Theoretic Detection of Bimanual Interactions for Dual-Arm Robot Plan Generation [14.053079591358797]
本稿では,デュアルアームロボットシステムの実行計画を生成するために,バイマニュアル・タスク・デモの1枚のRGBビデオをワンショットで処理する手法を提案する。
シーン要素間の情報フローを分析し,シーングラフ特性を活用するためにシャノンの情報理論を適用した。
生成された計画は、望まれるアームの調整に基づいて異なる構造を仮定するモジュラー・ビヘイビア・ツリーである。
論文 参考訳（メタデータ） (2026-01-27T17:38:58Z) - High-Performance Dual-Arm Task and Motion Planning for Tabletop Rearrangement [17.516999633167522]
2本のフィンガーグリップを装備した2つのロボットアームは、スタートとゴールの設定が強く絡み合っている再配置オブジェクトに近接して作業する必要がある。
テーブルトップ再配置のためのタスクおよび動作計画フレームワークであるSynchronous Dual-Arm Rearrangement Planner (SDAR)を提案する。
SDARは複雑で非単調で長期のテーブルトップ再構成タスクにおいて100%の成功率を示す。
論文 参考訳（メタデータ） (2025-12-09T03:33:34Z) - SemanticVLA: Semantic-Aligned Sparsification and Enhancement for Efficient Robotic Manipulation [65.6201974979119]
本稿では,効率的なロボットマニピュレーションのためのセマンティックスペーシフィケーション・エンハンスメントを実現する新しいVLAフレームワークSemanticVLAを提案する。
SemanticVLAはOpenVLA on LIBEROベンチマークを21.1%上回り、トレーニングコストと推論遅延を3.0倍と2.7倍に削減した。
論文 参考訳（メタデータ） (2025-11-13T17:24:37Z) - Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。
本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。
我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
論文 参考訳（メタデータ） (2025-03-12T09:28:41Z) - One-Shot Dual-Arm Imitation Learning [11.651965932169656]
One-Shot Dual-Arm Imitation Learning (ODIL)
デュアルアームロボットは、タスクのたった1つのデモから、正確で協調された日常的なタスクを学ぶことができる。
実世界のデュアルアームロボットでのテスト。
論文 参考訳（メタデータ） (2025-03-10T01:36:14Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z) - DAG-Plan: Generating Directed Acyclic Dependency Graphs for Dual-Arm Cooperative Planning [37.38735065914983]
DAG-Planは、デュアルアームロボット用に設計された構造化タスク計画フレームワークである。
複雑なタスクを、有向非巡回グラフ内のノードとして表される実行可能なサブタスクに分解する。
リアルタイム環境観測に基づいて、これらのサブタスクを適切なアームに動的に割り当てる。
論文 参考訳（メタデータ） (2024-06-14T11:58:51Z) - SAM-E: Leveraging Visual Foundation Model with Sequence Imitation for Embodied Manipulation [62.58480650443393]
Segment Anything (SAM) は、一般化可能なシーン理解とシーケンス模倣のための視覚境界モデルである。
我々は,単一パスにおけるアクションシーケンスの予測を可能にする,新しいマルチチャネルヒートマップを開発した。
論文 参考訳（メタデータ） (2024-05-30T00:32:51Z) - Learning to Centralize Dual-Arm Assembly [0.6091702876917281]
この研究は、デュアルアームペグ・イン・ホール操作のためのフレームワークを提供することで、ヒューマノイドロボットの組み立てに焦点を当てている。
スパース報酬のみを用いることで、モデリングの労力を最小限に抑える。
両腕ペグインホールにおけるフレームワークの有効性を実証し、異なるアクション空間におけるサンプル効率と成功率を解析した。
論文 参考訳（メタデータ） (2021-10-08T09:59:12Z)
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。