論文の概要: FA-RDP: A Frequency-Adaptive Reactive Diffusion Policy for Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2607.28596v1
- Date: Thu, 30 Jul 2026 17:47:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.706722
- Title: FA-RDP: A Frequency-Adaptive Reactive Diffusion Policy for Contact-Rich Manipulation
- Title（参考訳）: FA-RDP : コンタクトリッチマニピュレーションのための周波数適応型反応性拡散政策
- Abstract要約: アクションマルチモダリティと反応性は、単一のエピソードの異なるステージを支配します。
標準拡散ポリシーは、エピソード全体を通して固定された推論周波数とサンプリングステップを使用する。
周波数適応型反応性拡散政策であるFA-RDPを提案する。
- 参考スコア（独自算出の注目度）: 46.70731586911338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In contact-rich manipulation, action multimodality and reactivity dominate different stages of a single episode. Before contact, multiple trajectories might be equally valid, making it important to preserve diverse action modes. After contact, geometric constraints and force limits narrow the solution space, while successful execution demands rapid responses to force feedback. However, standard diffusion policies use a fixed inference frequency and sampling steps throughout the episode, forcing a fundamental compromise: low-frequency, multi-step sampling better preserves pre-contact multimodality but responds slowly to force feedback, whereas high-frequency sampling improves reactivity but tends to collapse distinct pre-contact modes. To resolve this tradeoff, we present FA-RDP, a frequency-adaptive reactive diffusion policy. A shared multi-frequency visual-force Transformer predicts action chunks at both low and high frequencies, while a learned multimodality indicator dynamically selects multi-step low-frequency sampling before contact and one-step high-frequency sampling as action ambiguity decreases. We further introduce Manifold Consistency Distillation (MCD), which reparameterizes the diffusion network to predict actions on the robot action manifold while retaining DDPM-based residual supervision. Experiments on three contact-rich manipulation tasks show that FA-RDP achieves the highest success rate while preserving diverse pre-contact trajectory modes. Code and videos are available at https://fa-rdp.github.io.
- Abstract（参考訳）: コンタクトリッチな操作では、アクションマルチモーダリティと反応性が単一のエピソードの異なるステージを支配している。
接触前には、複数の軌跡が同等に有効であり、多様な動作モードを維持することが重要である。
接触後、幾何的制約と力の制限は解空間を狭め、成功した実行は強制フィードバックに対する迅速な応答を要求する。
しかし、標準的な拡散ポリシーでは、固定された推論周波数とサンプリングステップを使用し、エピソード全体を通して根本的な妥協を迫られる: 低周波で多段階サンプリングは、事前接触の多重度をよりよく保存するが、徐々に強制フィードバックに反応するが、高周波サンプリングは反応性を向上するが、個別の事前接触モードを崩壊させる傾向がある。
このトレードオフを解決するために、周波数適応型反応性拡散政策であるFA-RDPを提案する。
共有多周波視覚力変換器は、低周波と高周波の両方で動作チャンクを予測し、学習多照度インジケータは、接触前の多段低周波サンプリングを動的に選択し、アクションあいまい度が減少するにつれて1段高周波サンプリングを行う。
さらに, DDPMをベースとした残留監視を維持しながら, 拡散ネットワークをパラメータ化し, ロボット動作多様体上での動作を予測するマニフォールド持続蒸留(MCD)についても紹介する。
FA-RDPは多種多様な事前接触軌道モードを保ちながら高い成功率を達成することを示す3つの接触リッチな操作タスクの実験を行った。
コードとビデオはhttps://fa-rdp.github.io.comで公開されている。
関連論文リスト
- A Hierarchical Approach to Imitation Learning for Manipulation Tasks Requiring Time Varying Forces [14.372073538832803]
高速軌道生成(DPA-FTG)による拡散政策の導入
位置補正に焦点を当てた最近の視覚触覚アプローチと比較して、DPA-FTGは高周波力規制から低周波計画を切り離す。
本研究は,適合シートの分離を含む両面電池解体作業に対するアプローチを検証する。
論文 参考訳（メタデータ） (2026-08-04T04:21:00Z) - Asynchronous Multimodal Diffusion Policy Composition via Latency-Aware Guidance Fusion [52.50952605013304]
非同期多モード拡散ポリシー合成のための遅延対応誘導融合フレームワークであるRAG-Fusionを提案する。
我々は、低周波ビジョンポリシーと高周波力ポリシーを構成することにより、コンタクトリッチな操作におけるRAG-Fusionをインスタンス化する。
論文 参考訳（メタデータ） (2026-07-19T13:48:52Z) - High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching [3.5570904967011505]
拡散や流れのマッチングのような生成モデルは、多モーダルな行動分布をモデル化することによって、ロボットビズモータポリシーを進化させた。
既存のワンステップ加速法は、生成プロセス全体を1つの大きな更新に圧縮し、空間偏差、周波数歪み、モード平均化をもたらす。
本稿では,これらの問題に3つの相補的なメカニズムで対処する,高忠実な1ステップ生成型ビズモータポリシーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-04T13:12:38Z) - 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) - Tube Diffusion Policy: Reactive Visual-Tactile Policy Learning for Contact-rich Manipulation [11.359539466233137]
Tube Diffusion Policy (TDP) は、チューブベースのフィードバック制御で模倣学習をブリッジする新しい視覚触覚ポリシー学習フレームワークである。
TDPは、名目アクションチャンクの周りに観測条件付きフィードバックフローを学習し、実行中に高速で適応的な反応を可能にするアクションチューブを形成する。
論文 参考訳（メタデータ） (2026-04-26T08:48:26Z) - From Flow to One Step: Real-Time Multi-Modal Trajectory Policies via Implicit Maximum Likelihood Estimation-based Distribution Distillation [18.70033095161235]
Indicit Likelihood Estimation (IMLE) を用いて条件付きフローマッチングの専門家を高速な単一ステップの学生に蒸留する枠組みを提案する。
双方向のチャンファー距離は、モードカバレッジと忠実度の両方を促進する設定レベルの目的を提供する。
統合認識エンコーダは、さらに多視点RGB、深度、点雲、プロプレセプションを幾何学的認識表現に統合する。
論文 参考訳（メタデータ） (2026-03-10T09:30:05Z) - FAVLA: A Force-Adaptive Fast-Slow VLA model for Contact-Rich Robotic Manipulation [20.067295745725257]
フォース/トルクフィードバックは、コンタクトリッチな操作におけるビジョン・ランゲージ・アクション(VLA)モデルを大幅に改善することができる。
既存のほとんどのアプローチは、全てのモダリティを単一の動作周波数で融合させる。
高速接触認識制御から遅い知覚計画を切り離す力適応型高速スローVLAであるFAVLAを提案する。
論文 参考訳（メタデータ） (2026-02-27T03:33:10Z) - PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。
PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。
7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
論文 参考訳（メタデータ） (2026-02-02T17:57:37Z) - ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning [52.86018040861575]
本稿では,単一のネットワークに視覚計画と反応力制御を統合した,一貫したエンドツーエンドの視覚力拡散政策を提案する。
本稿では,非同期な視覚と力のトークンを同時に処理するための因果的注意力を利用した構造的スローフォールストラーニングを紹介する。
コンタクトリッチタスクの実験では、ImplicitRDPは視覚のみのベースラインと階層的なベースラインの両方で著しく優れていた。
論文 参考訳（メタデータ） (2025-12-11T18:59:46Z) - Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation [58.95799126311524]
人間は視覚と触覚を使って、外的変化に対する迅速な応答や接触力の適応制御のような非常に反応性の高い能力で、コンタクトリッチなタスクを達成できる。
既存の視覚模倣学習アプローチは、複雑な振る舞いをモデル化するためにアクションチャンキングに依存している。
本稿では,Augmented Realityを通じてリアルタイム触覚フィードバックを提供する,低コスト遠隔操作システムであるTactARを紹介する。
論文 参考訳（メタデータ） (2025-03-04T18:58:21Z)
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。