論文の概要: SPECTRA: Context-Conditioned Spectral Movement Primitives for Robot Skill Generalization
- arxiv url: http://arxiv.org/abs/2607.06978v1
- Date: Wed, 08 Jul 2026 04:02:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.27821
- Title: SPECTRA: Context-Conditioned Spectral Movement Primitives for Robot Skill Generalization
- Title（参考訳）: SPECTRA:ロボットスキルの一般化のためのコンテキスト依存型スペクトル運動プリミティブ
- Abstract要約: 本稿では,タスク空間のスキル生成と共同実行規則を結合した周波数領域模倣学習フレームワークを提案する。
実験では, タスクバンド再構築, 複合実証汚損に対する堅牢性, 分配外一般化, 共同空間動的許容性, エンドエフェクタ経路保存, フランカパンダロボットへの展開を評価した。
- 参考スコア（独自算出の注目度）: 13.880300186965469
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot imitation learning for manipulation should preserve demonstrated task geometry while producing dynamically admissible robot motions. Existing pipelines often learn task-dependent trajectories and impose execution limits afterward through filtering, smoothing, clipping, or time scaling, which may distort task-critical end-effector paths. We propose the Spectral Movement Primitive (SMP), a frequency-domain imitation learning framework that couples task-space skill generation with joint-space execution regulation. Demonstrations are represented by truncated finite-horizon Fourier coefficients. An empirically selected low-frequency task band captures the dominant motion geometry, while higher harmonics contribute disproportionately to derivative growth. A frame-aware context-conditioned GMM/GMR prior predicts the task-band coefficients in a canonical task frame, and the resulting Cartesian trajectory is mapped to joint space through sequential inverse kinematics. A phase-coupled regulator then limits the requested phase progression without modifying the spectral coefficients, thereby enforcing joint velocity and acceleration limits while preserving the represented path. Experiments evaluate task-band reconstruction, robustness to composite demonstration corruption, out-of-distribution cross-board generalization, joint-space dynamic admissibility, end-effector path preservation, and deployment on a Franka Panda robot. Results show compact geometric reconstruction, consistent transfer across unseen task frames, substantial reductions in dynamic violations and jerk, and preservation of the intended end-effector path during phase regulation.
- Abstract（参考訳）: 操作のためのロボット模倣学習は、動的に許容できるロボットの動きを生成しながら、実証されたタスク形状を保存すべきである。
既存のパイプラインは、タスク依存の軌道を学習し、フィルタリング、スムーズ化、クリップング、タイムスケーリングを通じて実行制限を課し、タスククリティカルなエンドエフェクタパスを歪ませる可能性がある。
本稿では,タスク空間のスキル生成と共同空間の実行規則を結合した周波数領域模倣学習フレームワークであるスペクトル運動原始(SMP)を提案する。
証明は、切り離された有限ホライゾンフーリエ係数で表される。
経験的に選択された低周波タスクバンドは支配的な運動幾何学を捉え、高調波は微分成長に不均衡に寄与する。
フレーム対応コンテキスト条件付きGMM/GMRは、標準タスクフレーム内のタスクバンド係数を事前に予測し、結果のCartesian trajectoryを逐次逆運動学を通して関節空間にマッピングする。
位相結合型レギュレータは、スペクトル係数を変更することなく要求された位相進行を制限し、表現された経路を維持しながら関節速度と加速度限界を強制する。
実験では, タスクバンド再構築, 複合実証汚損に対する堅牢性, 分配外一般化, 共同空間動的許容性, エンドエフェクタ経路保存, フランカパンダロボットへの展開を評価した。
その結果、コンパクトな幾何学的再構成、目に見えないタスクフレーム間の一貫した移動、動的違反とジャークの大幅な削減、位相制御中の意図したエンドエフェクター経路の保存が示された。
関連論文リスト
- Trajectory-Level Continuous Action Representation for Robotic Manipulation [31.92437041447019]
既存のビジュモータシステムは、しばしば制御周波数で行動表現を絡めるか、固定時間パラメータ化に依存する。
ロボット操作のための軌道レベル連続行動表現フレームワークであるCATを提案する。
Catは、固定されたリアルタイム間隔内でアクショントラジェクトリを、連続的な潜在トークンのセットにエンコードする。
論文 参考訳（メタデータ） (2026-08-25T06:19:00Z) - A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - SplatCtrl: Perception-Action Coupling via Gaussian Scene Representations and Reactive Robot Control [14.952269223197751]
本稿では,リアルタイムシーン再構成とリアクティブロボットモーション生成のための統合フレームワークであるSplatCtrlを提案する。
3次元ガウススプラッティング(3D-GS)を基盤として,ハイブリッドなボクセルフィルタと動的ガウス転位戦略を導入する。
安全かつ反応性の高い制御のために,等方的ガウス関数から連続符号付き距離関数を導出する手法を提案する。
論文 参考訳（メタデータ） (2026-07-09T21:18:39Z) - Hierarchical Policy Learning via Spectral Decomposition [58.65543693788772]
ロボットの動作シーケンスにおける意味的分解を識別し,タスクレベルの動作意図と実行レベルの改善を分離する。
本稿では, 因果的粗大化過程として行動生成をモデル化した因果スペクトルポリシー(CSP)を提案する。
CSPは、精度に敏感な操作タスクにおいて、強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-06-28T19:22:40Z) - Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation [46.998628831231194]
既存の方法は離散化されたアクションチャンクに依存しており、不均一な制御で収集されたデモに対して脆弱である。
本稿では、連続的かつ時間的に一貫した動作を出力する周波数認識フローマッチング(FAFM)を提案する。
FAFMは成功率、マルチモーダル表現性、運動の滑らか性、収束速度、機械的バイアスに対する堅牢性、混合周波数入力を改善する。
論文 参考訳（メタデータ） (2026-06-18T11:58:30Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation [25.677744104220853]
ビデオフレームは、特定の動作セマンティクスに固執しながら、所定のエンドポイント間で現実的な中間フレームを合成することを目的としている。
本稿では,前向きと後向きの軌跡の対称性を強制する新しい双方向フレームワークを提案する。
本手法は,37フレームと73フレームの両方のタスクにおいて,画像品質,運動の滑らかさ,動的制御における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-02T06:58:46Z) - Sparse Autoencoders as a Steering Basis for Phase Synchronization in Graph-Based CFD Surrogates [6.396157607535812]
グラフベースのサロゲートモデルは、高忠実度CFDソルバに代わる高速な代替手段を提供するが、その不透明な潜在空間と制限された制御性は、安全クリティカルな設定での使用を制限する。
凍結サロゲートの潜伏空間を操作することにより, 位相ドリフトをポストホックで補正できるかどうかを問う。
本稿では、適切な表現と適切な介入機構を組み合わせた事前学習グラフベースのCFDモデルのための位相ステアリングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-28T07:03:44Z) - Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。
既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。
本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
論文 参考訳（メタデータ） (2026-03-04T11:38:12Z) - Towards Arbitrary Motion Completing via Hierarchical Continuous Representation [64.6525112550758]
Inlicit Representations(INR)に基づくNAMEと呼ばれる新しいパラメトリックアクティベーションによる階層的暗黙表現フレームワークを提案する。
本手法では,複数の時間スケールで動作列から特徴を抽出し,複雑な時間パターンを効果的に捕捉する階層的時間符号化機構を提案する。
論文 参考訳（メタデータ） (2025-12-24T14:07:04Z) - OmniSAT: Compact Action Token, Faster Auto Regression [70.70037017501357]
我々は、コンパクトで転送可能なアクション表現を学ぶOmni Swift Action Tokenizerを紹介する。
その結果、離散トークン化はトレーニングシーケンスを6.8$times$に短縮し、ターゲットエントロピーを低下させる。
論文 参考訳（メタデータ） (2025-10-08T03:55:24Z) - FreqPolicy: Frequency Autoregressive Visuomotor Policy with Continuous Tokens [47.735852718586216]
本稿では,階層的な周波数成分を段階的にモデル化するビジュモータポリシー学習のための新しいパラダイムを提案する。
さらに精度を高めるために,動作空間の滑らかさと連続性を維持する連続潜在表現を導入する。
我々の手法は、精度と効率の両方で既存の手法より優れている。
論文 参考訳（メタデータ） (2025-06-02T12:13:51Z) - ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。
Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。
モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
論文 参考訳（メタデータ） (2025-03-27T16:39:40Z)
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。