論文の概要: PA-BiCoop: A Primary-Auxiliary Cooperative Framework for General Bimanual Manipulation
- arxiv url: http://arxiv.org/abs/2606.28192v1
- Date: Fri, 26 Jun 2026 15:38:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.530944
- Title: PA-BiCoop: A Primary-Auxiliary Cooperative Framework for General Bimanual Manipulation
- Title（参考訳）: PA-BiCoop : 汎用マニピュレーションのための一次補助協調フレームワーク
- Abstract要約: PA-BiCoopは、動的一次・補助的腕の分化を伴う新しい単一モデル双方向協調フレームワークである。
ロボットアームを、タスクステージ全体にわたって適応的に調整可能な役割を持つ一次と補助のアームに分類する。
RLBench2シミュレーションタスクでは、最先端のベースラインを平均48%上回り、現実世界のタスクでは平均50%以上上回ります。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Bimanual manipulation is essential for advanced robotic systems because it offers higher efficiency and flexibility compared to single-arm configurations. However, existing approaches either lack inter-arm interaction or ignore the need for a dynamic division of labor, treating the arms as functionally equivalent. To address these limitations, this paper draws inspiration from human bimanual manipulation where one arm handles core operations and the other provides auxiliary support, and proposes PA-BiCoop, a new single-model bimanual cooperation framework with dynamic primary-auxiliary arm differentiation. PA-BiCoop categorizes robotic arms into primary and auxiliary arms with adaptively adjustable roles across task stages, employs two specialized decoders that share a global feature encoder: the primary decoder generates the primary arm's base-coordinate pose and core-task affordance heatmaps, and the auxiliary decoder outputs the auxiliary arm's relative pose in the primary arm's coordinate system. Moreover, we design a dynamic role assignment module to automatically map roles to left/right arms without manual pre-definition. This design facilitates inter-arm knowledge sharing and coordinated manipulation. Extensive experiments demonstrate that our PA-BiCoop achieves superior performance: it outperforms state-of-the-art baselines by 48% on average in RLBench2 simulation tasks and by over 50% on average in real world tasks, thereby verifying its effectiveness and advancement in bimanual manipulation.
- Abstract（参考訳）: 高度なロボットシステムでは、シングルアーム構成よりも高い効率と柔軟性を提供するため、双方向操作が不可欠である。
しかし、既存のアプローチでは武器間相互作用が欠如しているか、動的分業の必要性を無視し、腕を機能的に等価であると見なしている。
これらの制約に対処するため、本論文では、一方の腕がコア操作を処理し、他方の腕が補助的支援を行う人間の両腕操作からインスピレーションを得、一方の腕が動的に一次・二次の腕を識別する新しい単一モデル双方向協調フレームワークであるPA-BiCoopを提案する。
PA-BiCoopは、ロボットアームをタスクステージ全体で適応的に調整可能な役割を持つプライマリアームと補助アームに分類し、グローバルな特徴エンコーダを共有する2つの特別なデコーダを使用する:プライマリ・デコーダはプライマリ・アームのベースコーディネート・ポーズとコア・タスク・アベイランス・ヒートマップを生成し、補助デコーダはプライマリ・アームの座標系で補助アームの相対的なポーズを出力する。
さらに,手動による事前定義なしに,ロールを左右の腕に自動的にマッピングする動的ロール割り当てモジュールを設計する。
この設計は、武器間の知識共有と協調操作を容易にする。
RLBench2シミュレーションタスクでは, 平均48%, 実世界のタスクでは平均50%以上, 最先端のベースラインよりも優れた性能を示し, バイマン操作の有効性と進歩を検証した。
関連論文リスト
- CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。
実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。
その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
論文 参考訳（メタデータ） (2026-06-10T17:26:08Z) - BiPreManip: Learning Affordance-Based Bimanual Preparatory Manipulation through Anticipatory Collaboration [35.18224449308742]
コラボレーティブ・プレパレーション・マニピュレーション(Collaborative Preparatory Manipulation)は、オブジェクトのセマンティクスと幾何学を理解することを要求する双方向操作タスクのクラスである。
そこで我々は,まず最終目標指向アクションを想定し,一方の腕を誘導して準備操作を行う視覚的アベイランスに基づくフレームワークを提案する。
この余剰中心の表現は、予想される武器間推論と調整を可能にし、様々な対象に対して効果的に一般化する。
論文 参考訳（メタデータ） (2026-03-23T08:12:24Z) - Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。
我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。
我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
論文 参考訳（メタデータ） (2026-03-09T09:02:30Z) - EnergyAction: Unimanual to Bimanual Composition with Energy-Based Models [73.21721376238233]
EnergyActionは、一元的操作ポリシーを二元的タスクに合成する新しいフレームワークである。
まず,個々の一元的政策をEMMとしてモデル化し,その構成特性を利用して左腕と右腕の動作を構成する。
第2に,エネルギー制約を通した時空間協調機構を導入する。
第3に,行動品質評価に基づいて動的に認知段階を適応させる2つの異なるエネルギー認知型認知戦略を提案する。
論文 参考訳（メタデータ） (2026-03-09T04:50:17Z) - ManiGaussian++: General Robotic Bimanual Manipulation with Hierarchical Gaussian World Model [52.02220087880269]
本稿では,階層的世界モデルを用いてマルチタスクシーンのダイナミックスを消化することにより,双方向操作を改善するManiGaussianフレームワークの拡張を提案する。
提案手法は,シミュレーションタスク10件で20.2%,実世界の課題9件で平均60%の成功率で,最先端のバイマニュアル操作技術よりも優れていた。
論文 参考訳（メタデータ） (2025-06-24T17:59:06Z) - Learning Bimanual Manipulation via Action Chunking and Inter-Arm Coordination with Transformers [4.119006369973485]
両腕の調整と効率性、特に同期行動に重点を置いています。
協調行動を予測する新しい模倣学習アーキテクチャを提案する。
本モデルでは,比較において高い成功率を示し,両手操作のポリシー学習に適したアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-03-18T05:20:34Z) - 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) - InterACT: Inter-dependency Aware Action Chunking with Hierarchical Attention Transformers for Bimanual Manipulation [1.4835219023165949]
階層型注意変換器を用いた相互依存認識型アクションチャンキング(InterACT: Inter-Dependency aware Action Chunking)を紹介する。
InterACTは、バイマニュアル操作に特化して設計された新しい模倣学習フレームワークである。
シミュレーションおよび実世界の実世界のバイマニュアル操作タスクで行った実験は、InterACTが既存の手法より優れていることを示した。
論文 参考訳（メタデータ） (2024-09-12T10:30:44Z) - 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) - Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。
多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。
複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
論文 参考訳（メタデータ） (2020-12-12T05:43:43Z)
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。