論文の概要: Robot Trajectron V3: A Probabilistic Shared Control Framework for SE(3) Manipulation
- arxiv url: http://arxiv.org/abs/2607.09315v1
- Date: Fri, 10 Jul 2026 11:52:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 16:48:13.431914
- Title: Robot Trajectron V3: A Probabilistic Shared Control Framework for SE(3) Manipulation
- Title（参考訳）: ロボット軌道V3:SE(3)操作のための確率的共有制御フレームワーク
- Abstract要約: RT-V3は、$SE(3)$グリップタスク用に設計された共有制御フレームワークである。
ユーザインテントの事前を学習し、それをリアルタイムのユーザコマンドと組み合わせて、後続インテントの分布を推定する。
RT-V3は軌道予測において高い精度を達成し, 反応計画における競合性能を示す実験を行った。
- 参考スコア（独自算出の注目度）: 5.090943130063491
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We aim to address the challenge of teleoperating robotic arms for high-degree-of-freedom (high-DoF) manipulation tasks, which is cognitively demanding and error-prone, particularly when relying on low-bandwidth interfaces. We propose Robot Trajectron V3 (RT-V3), a probabilistic shared control framework designed for $SE(3)$ grasping tasks. RT-V3 formulates shared control as Bayesian inference by learning a prior over user intent and combining it with real-time user commands to estimate the posterior intent distribution. The prior models user intent as a distribution over future trajectories conditioned on past robot dynamics and visual scene context. The intent prior is parameterized by a transformer-based conditional generative model that reasons over point clouds and candidate grasp poses, together with a factorized translation-rotation representation that improves learning efficiency in high-dimensional action spaces. During execution, RT-V3 continuously estimates the posterior distribution over future trajectories by combining the learned intent prior with a user-command likelihood derived from the observed control input, enabling continuous intent refinement and shared assistance. Comprehensive experiments demonstrate that RT-V3 achieves high accuracy in trajectory prediction and competitive performance in reactive planning. Furthermore, real-world user studies indicate that RT-V3 significantly outperforms baseline methods in terms of success rate and efficiency, while substantially reducing the user's physical and mental workload.
- Abstract（参考訳）: ロボットアームを高自由度(高自由度)操作タスクで遠隔操作することは、特に低帯域幅インタフェースに依存している場合、認知的に要求され、エラーが発生しやすい課題である。
本稿では,ロボット・トラジェクトロンV3(RT-V3)を提案する。
RT-V3は、ユーザインテントの事前学習と、それをリアルタイムユーザコマンドと組み合わせて、後方インテントの分布を推定することで、ベイズ推論として制御を共有する。
以前のモデルでは、過去のロボット力学と視覚シーンコンテキストに基づいて、将来の軌道上の分布としてユーザ意図をモデル化している。
事前の意図は、点雲と候補把握のポーズに起因する変圧器に基づく条件生成モデルと、高次元の行動空間における学習効率を向上させる因子化変換回転表現によってパラメータ化される。
RT-V3は、実行中、学習意図と観測された制御入力から導出されるユーザコマンドの確率とを組み合わせて、将来の軌道上の後続分布を連続的に推定し、連続的な意図の洗練と共有支援を可能にする。
総合的な実験により、RT-V3は軌道予測および反応性計画における競合性能において高い精度を達成することが示された。
さらに、実世界のユーザスタディでは、RT-V3は、成功率と効率の点でベースライン手法を著しく上回り、ユーザの身体的および精神的な負荷を大幅に削減することを示している。
関連論文リスト
- PredVLA: Predictive Sensorimotor Modeling for Sub-Million-Parameter Robot Manipulation [4.55011976634859]
PredVLAは、トレーニング可能なネットワークパラメータがわずか0.68万で、ロボットデータの事前学習がない言語条件の予測符号化ポリシーである。
階層的なリカレントダイナミクスは視覚的特徴と固有受容を予測し、観察は予測エラー駆動オンライン推論によってのみ潜在状態に影響を与える。
論文 参考訳（メタデータ） (2026-08-27T06:27:11Z) - Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。
Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。
Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-03-12T14:36:53Z) - RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。
RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。
従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-03-11T10:14:37Z) - Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。
標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。
本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
論文 参考訳（メタデータ） (2026-02-10T12:25:43Z) - LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model [102.60980325911106]
潜在時空間連鎖(CoT)を介して行動する前に効率的に推論できるフレームワークを提案する。
具体的には,未来の視覚力学,3次元構造情報,ロボットの受容状態をモデル化したトークン効率の潜在CoT空間を導入し,時間的に一貫した暗黙的推論軌道を可能にするためにこれらの表現をさらに拡張する。
論文 参考訳（メタデータ） (2026-01-08T18:59:53Z) - DINOv3-Diffusion Policy: Self-Supervised Large Visual Model for Visuomotor Diffusion Policy Learning [4.9400495816263765]
本研究は, 自己制御型エンコーダが従来型のイメージネット型バックボーンに適合するか, 越えられるかを検討する。
微調整されたDINOv3がいくつかのタスクでResNet-18にマッチするか、超えていることがわかった。
ResNet18をバックボーンとして使用するのと比較して、DINOv3に対する我々のアプローチは、テストタイムの成功率を10%まで向上させる。
論文 参考訳（メタデータ） (2025-09-22T12:27:26Z) - AnchorDP3: 3D Affordance Guided Sparse Diffusion Policy for Robotic Manipulation [8.603450327406879]
AnchorDP3は、デュアルアームロボット操作のための拡散ポリシーフレームワークである。
大規模で手続き的に生成されたシミュレーションデータに基づいて訓練される。
RoboTwinベンチマークの平均成功率は98.7%に達する。
論文 参考訳（メタデータ） (2025-06-24T03:03:26Z) - Preference-Driven Active 3D Scene Representation for Robotic Inspection in Nuclear Decommissioning [13.808946251331365]
本稿では,能動的3次元シーン表現パイプラインに専門家の好みを取り入れた新しいフレームワークを提案する。
具体的には,ロボット経路計画の指針として,人間フィードバックからの強化学習を用いる。
我々は, 原子炉タイル検査のためのUR3eロボットアームを用いて, 核廃炉シナリオの枠組みを検証した。
論文 参考訳（メタデータ） (2025-04-02T22:20:48Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - 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) - Robot Trajectron: Trajectory Prediction-based Shared Control for Robot
Manipulation [2.273531916003657]
emphRobot Trajectron (RT) と呼ばれる新しい意図推定器を開発した。
RTは、その最近の位置、速度、加速度履歴に基づいて、ロボットの予測軌道の確率的表現を生成する。
我々は、RTの予測能力と潜在的到達目標の位置の表現を組み合わせた、新しい共有制御ソリューションを導出する。
論文 参考訳（メタデータ） (2024-02-04T14:18:20Z)
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。