論文の概要: FORGE-plus: Force-Budgeted Recovery for Contact-Rich Assembly with a Frozen LLM Supervisor

• arxiv url: http://arxiv.org/abs/2607.21227v1
• Date: Thu, 23 Jul 2026 11:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.395803
• Title: FORGE-plus: Force-Budgeted Recovery for Contact-Rich Assembly with a Frozen LLM Supervisor
• Title（参考訳）: FORGE-plus:冷凍LLMスーパーバイザを用いたコンタクトリッチアセンブリの力収支回復
• Abstract要約: 力条件強化学習(RL)は、強制力天井下での厳密なクリアランスアセンブリを可能にする。 本稿では,テキストのみの大規模言語モデル(LLM)が実行前にオブジェクトごとの力天井を割り当てるフレームワークを提案する。 2つのグリップパを用いて, 脆性ボトル配置と0.4mmダイメトラルクリーランス歯車挿入の枠組みを評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Force-conditioned reinforcement learning (RL) enables tight-clearance assembly under a commanded force ceiling, but practical deployment requires determining an appropriate force limit for each object and recovering from insertion failures without exceeding it. We present a two-layer framework in which a frozen, text-only large language model (LLM) assigns a per-object force ceiling before execution and selects recovery maneuvers from a fixed action menu using compact textual force signatures. The LLM never controls force directly: a low-level controller enforces the force ceiling, the recovery policy cannot increase it, and the hidden breaking-force threshold is known only to the evaluator. We evaluate the framework on fragile bottle placement and 0.4 mm diametral-clearance gear insertion using two grippers (Robotiq 2F-140 and Franka Panda hand). A single policy passes 256/256 evaluation episodes on both fragile and robust objects without breakage, correctly predicts release timing, and completes a full table-pick-and-insert pipeline with a mean peak force of 5.4 N. Under injected in-grip slip, the force-signature recovery strategy resolves 40% and 64% of failures on the two grippers, whereas a press-harder baseline is either ineffective or causes frequent breakage. We also report negative results, including the failure of PPO to solve the task under strict force constraints and unsuccessful learned release strategies. All experiments are conducted in rigid-body simulation with hidden force-threshold breakage; no sim-to-real claim is made.
• Abstract（参考訳）: 力条件強化学習(RL)は、強制力天井下での厳密なクリアランスの組立を可能にするが、現実的な展開では、各対象に対して適切な力限界を決定し、それを超えることなく挿入失敗から回復する必要がある。 凍結されたテキストのみの大規模言語モデル(LLM)が実行前にオブジェクトごとの力天井を割り当て、コンパクトなテキスト力シグネチャを用いて固定動作メニューから回復操作を選択する2層フレームワークを提案する。 LLMは力を直接制御せず、低レベルコントローラは力の天井を強制し、回復ポリシーはそれを増やすことができず、隠れた破壊力閾値は評価者のみが知っている。 我々は2つのグリッパー(Robotiq 2F-140とFranka Panda hand)を用いて、壊れやすいボトル配置と0.4mmのダイメタルクリアランスギア挿入の枠組みを評価した。 単一ポリシーは、壊れることなく、不安定なオブジェクトと堅牢なオブジェクトの両方で256/256の評価エピソードをパスし、リリースタイミングを正確に予測し、平均ピーク力が5.4Nのテーブルピック・アンド・インサートパイプラインを完成させる。 また、厳格な強制力制約下でのタスクの解決にPPOが失敗したことや、学習したリリース戦略の失敗など、否定的な結果も報告する。 全ての実験は、剛体シミュレーションにおいて、隠蔽力閾値破壊を伴うが、シミュレート・トゥ・リアルクレームは作成されない。

関連論文リスト

• Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion [2.838052797526147]
  不確実な接触下でのロボット挿入では、軸方向の力限界と適切な制御器の利得はタスクによって異なる。 本稿では,オンラインゲイン適応のための可変インピーダンスフレームワークであるConstraint-Grounded Reinforcement Learning (CG-RL)を提案する。 CG-RLは、力限界に違反することなく挿入の成功率を85.8pm7.7%で達成する。
  論文  参考訳（メタデータ） (2026-09-11T20:36:38Z)
• SCoCaT: Success Conditioned Constrained Reinforcement Learning for Spacecraft Docking [0.4619828919345114]
  我々は、PPOのような既成RLアルゴリズムへの最小拡張が、この実現可能性の崩壊を解決することを示す」。 補助的値批判による高密度なステップ毎の成功信号の追加は、安全クリティカルな制約コンプライアンスを維持しつつ、タスク完了率を向上させることを実証的に実証する。
  論文  参考訳（メタデータ） (2026-09-05T12:43:41Z)
• Is Your Agent Playing Dead? Deployed LLM Agents Exhibit Constraint-Evasive Fabrication and Thanatosis [8.019946418415302]
  本稿では, 従来報告されていない動作のスペクトルを, 制約・侵襲的製作(CEF)と呼ぶ。 CEFは、エージェントが不可避な制約の下で動作し、プラウチブルな外部障害物を自発的に作成し、それを事実として提示する場合である。 このスペクトルの極端にConstraint-Evasive Thanatosis (CET) があり、これは可算的な言い訳を発明するのではなく、モデルが完全なシステムクラッシュをシミュレートして、ユーザが完全に切り離すという制限ケースである。
  論文  参考訳（メタデータ） (2026-06-12T14:53:42Z)
• Can Quantum Federated Learning Withstand Circuit-Level Backdoors? [1.4470144741753357]
  量子フェデレーション学習(QFL)は、フェデレーション最適化のコア脆弱性を悪意のあるクライアントに継承する。 この研究は、4つのステルス攻撃を形式化する新しいCircUit-Level Backdoor Threat(CULT)モデルを提案する。
  論文  参考訳（メタデータ） (2026-05-18T12:36:36Z)
• PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
  5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。 PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:59:47Z)
• 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)
• Ghost in the Context: Measuring Policy-Carriage Failures in Decision-Time Assembly [0.0]
  LLMエージェントは生のインタラクション履歴に作用せず、トランケーション、要約、並べ替え、書き換えによって組み立てられた境界決定状態に作用する。 本研究では, 局所的なLlama 3.1 8B, Qwen 2.5 7B, Mistral 7B上の障害モードについて, 正確な制約の尊重と, 組立状態の可視性の直接監査を用いて検討した。
  論文  参考訳（メタデータ） (2026-05-02T18:07:42Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
  エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。 学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。 実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-03-16T12:03:58Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Sleeper Cell: Injecting Latent Malice Temporal Backdoors into Tool-Using LLMs [0.0]
  オープンウェイト大規模言語モデル(LLM)はエージェントAIを民主化しているが、微調整されたウェイトは頻繁に共有され、リーダーボードのパフォーマンスを超えた限られた精査で採用されている。 これにより、サードパーティモデルが強力な行動保証なしで組み込まれるリスクが生じる。 有毒なモデルでは、良質なタスクに対して最先端のパフォーマンスを維持し、採用にインセンティブを与えていることを示す。
  論文  参考訳（メタデータ） (2026-03-02T22:01:08Z)
• Prompt Injection Evaluations: Refusal Boundary Instability and Artifact-Dependent Compliance in GPT-4-Series Models [0.0]
  GPT-4.1 と GPT-4o の2つのモデルを評価する。 アーティファクトタイプは摂動スタイルよりも断裂の予測が強いことが分かりました。 断熱挙動は安定な二元性というよりは確率的であり, 人工物に依存した境界現象である。
  論文  参考訳（メタデータ） (2026-01-25T17:14:33Z)
• Rectified Robust Policy Optimization for Model-Uncertain Constrained Reinforcement Learning without Strong Duality [53.525547349715595]
  我々はRectified Robust Policy Optimization (RRPO) と呼ばれる新しいプライマリのみのアルゴリズムを提案する。 RRPOは双対の定式化に頼ることなく、主問題に直接作用する。 我々は、最もよく知られた下界と一致する複雑性を持つ、ほぼ最適な実現可能なポリシーに収束することを示す。
  論文  参考訳（メタデータ） (2025-08-24T16:59:38Z)

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。