論文の概要: Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-design

• arxiv url: http://arxiv.org/abs/2607.25798v1
• Date: Tue, 28 Jul 2026 14:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.873449
• Title: Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-design
• Title（参考訳）: Transformer Transformer:モーションコンディションロボットの共同設計のための統一モデル
• Abstract要約: Transformer Transformerは、報酬に依存しない状態とアクション予測を報酬固有の値予測に変換する動的モデルである。 最適化されたALOHA設計により,従来の設計に比べて70%以上の追従誤差を低減した。
• 参考スコア（独自算出の注目度）: 29.19489133790808
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An often overlooked factor of robot manipulation performance is the embodiment of the robot itself. Motivated by this problem, we study motion-conditioned robot co-design, where the goal is to generate complete robot designs that track target end-effector trajectories (from human demonstrations) while optimizing user-defined rewards. We introduce Transformer Transformer, a diffusion transformer trained on RoboTokens, a unified tokenization of robot embodiments, states, and actions. The same architecture can be used across embodiment spaces (e.g., wheeled bimanual, quadrupeds, humanoids) and use cases (embodiment generation, cross embodiment controller). Rather than overfitting to one reward function, Transformer Transformer is a dynamics model, whose reward-agnostic state and action predictions can be converted into reward-specific value predictions. These value predictions are used to steer embodiment diffusion towards high value robot designs, through a procedure we call Dynamics Self-Guidance. Experiments across multiple design spaces show zero-shot optimization of unseen rewards and trajectories, improving performance and runtime over the evolutionary baseline. Finally, we fabricated an optimized ALOHA design, which reduced tracking error by over 70% compared to the original design.
• Abstract（参考訳）: ロボット操作性能の見落とされがちな要素は、ロボット自体の具体化である。 そこでは,動作条件付きロボットの協調設計について検討し,目標のエンドエフェクタ軌道を(人間によるデモンストレーションから)追跡し,ユーザ定義の報酬を最適化することを目的とする。 本稿では,ロボットエンボディメント,状態,動作の統一トークン化である,RoboTokensで訓練された拡散変換器であるTransformer Transformerを紹介する。 同じアーキテクチャは、エボディメント空間(例えば、車輪付き双対、四重対、ヒューマノイド)とユースケース(エボディメント生成、クロスエボディメントコントローラ)で使用することができる。 1つの報酬関数に過度に適合するのではなく、Transformer Transformerは、報酬に依存しない状態とアクション予測を報酬固有の値予測に変換するダイナミックスモデルである。 これらの値予測は、私たちがDynamics Self-Guidanceと呼ぶ手順を通じて、高価値なロボット設計に向けたエンボディメント拡散を操縦するために使用される。 複数の設計空間での実験では、目に見えない報酬と軌道のゼロショット最適化が示され、進化のベースラインよりもパフォーマンスとランタイムが改善された。 最後に,ALOHA設計を最適化し,従来の設計と比較して追従誤差を70%以上削減した。

関連論文リスト

• Shape Your Body: Value Gradients for Multi-Embodiment Robot Design [16.640420524594443]
  本稿では,汎用多体値関数を再利用可能なロボット設計モデルに変換することを提案する。 各ロボットに対して新しい強化学習協調設計ループを実行する代わりに、まず、多くのロボット設計において、実施意識と価値関数を訓練する。
  論文  参考訳（メタデータ） (2026-05-30T12:21:09Z)
• Multimodal embodiment-aware navigation transformer [5.673561896367136]
  ViLiNTは、複数のプラットフォームや環境からの異種データに基づいてトレーニングされた、ゴールナビゲーションのためのマルチモーダルな注意ベースのポリシーである。 我々は、ViLiNTが、同等の最先端ビジョンオンリーベースライン(NoMaD)よりも平均166%向上することを示す。 結果は、障害物場を航行するローバーの実際の展開を通じて確認される。
  論文  参考訳（メタデータ） (2026-04-21T09:32:59Z)
• Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons [69.87766750714945]
  汎用ロボット報酬モデルは通常、専門家によるデモンストレーションから絶対的なタスク進捗を予測するために訓練される。 本稿では、軌道内進行監視と軌道間優先監視を組み合わせたスケーラブルな報酬モデリングフレームワークRobometerを紹介する。 ロビオメーターは、専門家データに報酬等級を固定するフレームレベルのプログレス・ロスと、グローバルな順序制約を課す軌跡比較優先損失という2つの目的で訓練されている。
  論文  参考訳（メタデータ） (2026-03-02T17:38:58Z)
• RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
  画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。 ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。 それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-28T07:51:02Z)
• Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
  我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。 PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。 ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
  論文  参考訳（メタデータ） (2025-08-13T13:54:51Z)
• DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
  DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。 言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。 実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
  論文  参考訳（メタデータ） (2024-05-12T15:38:17Z)
• Innate Motivation for Robot Swarms by Minimizing Surprise: From Simple Simulations to Real-World Experiments [6.21540494241516]
  大規模モバイルマルチロボットシステムは、堅牢性とスケーラビリティの可能性が高いため、モノリシックロボットよりも有益である。 マルチロボットシステムのためのコントローラの開発は、対話の多さが予測し難く、モデル化が難しいため、難しい。 本質的にモチベーションは報酬の特定の定式化を避け、好奇心などの異なるドライバで作業しようとする。 Swarmのロボットケースのユニークな利点は、Swarmのメンバーがロボットの環境に飛び込み、自己参照ループでより活発な行動を引き起こすことができることである。
  論文  参考訳（メタデータ） (2024-05-04T06:25:58Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Efficient automatic design of robots [43.968830087704035]
  本研究では,ロボットの構造を1台のコンシューマ級コンピュータ上で数秒以内の所望の動作を示すために,初めて非ノボ最適化を示す。 他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としていない。 この進歩は、医療、環境、車両、宇宙ベースのタスクのためのユニークで有用な機械の設計、製造、展開をほぼ瞬時に約束する。
  論文  参考訳（メタデータ） (2023-06-05T21:30:52Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)

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。