論文の概要: MirrorDuo: Reflection-Consistent Visuomotor Learning from Mirrored Demonstration Pairs
- arxiv url: http://arxiv.org/abs/2606.20048v1
- Date: Thu, 18 Jun 2026 10:23:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.79461
- Title: MirrorDuo: Reflection-Consistent Visuomotor Learning from Mirrored Demonstration Pairs
- Title（参考訳）: MirrorDuo:鏡視下デモペアからの反射持続型視覚運動学習
- Authors: Zheyu Zhuang, Ruiyu Wang, Giovanni Luca Marchetti, Florian T. Pokorny, Danica Kragic,
- Abstract要約: MirrorDuoはリフレクションベースの定式化で、オリジナルのデモごとにミラー化された相手を生成する。
MirrorDuoは、デモがワークスペースの両側に均等に分散されている場合、同じデータ予算の下でパフォーマンスを著しく改善した。
デモが片側に限定されている場合、MirrorDuoは、ターゲットアレンジメントでゼロまたは5つのデモを少なくして、ミラー化されたワークスペースへの効率的なスキル転送を可能にする。
- 参考スコア（独自算出の注目度）: 18.766056479343945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image-based behaviour cloning leverages demonstrations captured from ubiquitous RGB cameras. However, it remains constrained by the cost of collecting diverse demos, especially for generalizing across workspace variations. We propose MirrorDuo, a reflection-based formulation that operates on image, proprioception, and full 6-DoF end-effector action tuples, generating a mirrored counterpart for each original demonstration, effectively achieving "collect one, get one for free". It can be applied as a data augmentation strategy for existing learning pipelines, such as standard behaviour cloning or diffusion policy, or as a structural prior for reflection-equivariant policy networks. By leveraging the overlap between the original and mirrored domains, MirrorDuo achieves significantly improved performance under the same data budget when demonstrations are evenly distributed across both sides of the workspace. When demonstrations are confined to one side, MirrorDuo enables efficient skill transfer to the mirrored workspace with as few as zero or five demos in the target arrangement.
- Abstract（参考訳）: イメージベースの行動クローニングは、ユビキタスなRGBカメラからキャプチャされたデモを活用する。
しかし、多種多様なデモを収集するコスト、特にワークスペースのバリエーションを一般化するコストに制約されている。
画像, プロプレセプション, フル6-DoFエンドエフェクタプルで動作するリフレクションベースの定式化であるMirrorDuoを提案する。
これは、標準的な行動クローニングや拡散ポリシーなどの既存の学習パイプラインのデータ拡張戦略や、リフレクションに等価なポリシーネットワークの構造的事前として適用することができる。
MirrorDuoは、オリジナルのドメインとミラー化されたドメインの重複を利用して、デモがワークスペースの両側に均等に分散されている場合、同じデータ予算の下で大幅に改善されたパフォーマンスを実現する。
デモが片側に限定されている場合、MirrorDuoは、ターゲットアレンジメントでゼロまたは5つのデモを少なくして、ミラー化されたワークスペースへの効率的なスキル転送を可能にする。
関連論文リスト
- GFRRN: Explore the Gaps in Single Image Reflection Removal [23.018215754935753]
単一画像の反射除去のためのギャップフリー反射除去ネットワーク(GFRRN)を提案する。
本研究では,まず,パラメータ効率のよい微調整(PEFT)戦略を採用し,トレーニングの方向性を調整する。
そして、ラベル生成装置は、合成データと実世界のデータの両方のリフレクションラベルを統合するように設計されている。
GFRRNの有効性を実証し,最先端SIRR法に対して優れた性能を示した。
論文 参考訳（メタデータ） (2026-02-26T07:17:49Z) - MirrorVerse: Pushing Diffusion Models to Realistically Reflect the World [28.104534788009865]
拡散モデルは物理法則に完全に従わないことが多い。
現実世界のパフォーマンスを向上させるために,ミラーフュージョン2.0モデルを開発するための3段階のトレーニングカリキュラムを導入する。
論文 参考訳（メタデータ） (2025-04-21T19:01:02Z) - Dereflection Any Image with Diffusion Priors and Diversified Data [86.15504914121226]
本稿では、効率的なデータ準備パイプラインと、頑健な反射除去のための一般化可能なモデルを備えた包括的解を提案する。
まず、ターゲットシーンでランダムに回転する反射媒体によって生成された横反射除去(DRR)というデータセットを紹介する。
第2に、決定論的出力と高速推論のための1ステップ拡散を伴う拡散に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-21T17:48:14Z) - Reflecting Reality: Enabling Diffusion Models to Produce Faithful Mirror Reflections [26.02117310176884]
拡散型生成モデルを用いて、高現実的で可視なミラー反射を生成する問題に取り組む。
現実世界の物体の高品位, リアル, 形状, 外観を意識した反射を生成するミラーフュージョン(MirrorFusion)と呼ばれる新しいディープコンディショニング手法を提案する。
MirrorFusionはSynMirrorの最先端の手法よりも優れており、広範囲な量的および定性的な分析によって示されている。
論文 参考訳（メタデータ） (2024-09-23T02:59:07Z) - FIRM: Flexible Interactive Reflection reMoval [75.38207315080624]
本稿では,フレキシブル・インタラクティブ・イメージ・リフレクション・リモーバルのための新しいフレームワークFIRMを提案する。
提案するフレームワークは,従来の対話的手法で必要とされるガイダンス時間の10%しか必要としない。
実世界のリフレクション除去データセットの結果から,提案手法が最先端のリフレクション除去性能を示すことが確認された。
論文 参考訳（メタデータ） (2024-06-03T17:34:37Z) - MirrorGaussian: Reflecting 3D Gaussians for Reconstructing Mirror Reflections [58.003014868772254]
MirrorGaussian は 3D Gaussian Splatting に基づくリアルタイムレンダリングによるミラーシーン再構築手法である。
本稿では,現実の3Dガウスと鏡面の両面の微分を可能にする直感的なデュアルレンダリング戦略を提案する。
我々の手法は既存の手法よりも優れており、最先端の結果が得られている。
論文 参考訳（メタデータ） (2024-05-20T09:58:03Z) - Symmetry-Aware Transformer-based Mirror Detection [85.47570468668955]
デュアルパス・シンメトリ・アウェア・トランスフォーマーを用いたミラー検出ネットワーク(SATNet)を提案する。
SATNetにはSymmetry-Aware Attention Module (SAAM)とContrastとFusion Decoder Module (CFDM)の2つの新しいモジュールが含まれている。
実験の結果,SATNet は RGB と RGB-D の両方のミラー検出法に優れることがわかった。
論文 参考訳（メタデータ） (2022-07-13T16:40:01Z) - Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。
RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。
5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
論文 参考訳（メタデータ） (2020-12-02T03:14:57Z)
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。