論文の概要: DynamicManip: Enabling Dynamic Manipulation from a Single Static Demonstration

• arxiv url: http://arxiv.org/abs/2608.01452v1
• Date: Sun, 02 Aug 2026 19:23:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.244774
• Title: DynamicManip: Enabling Dynamic Manipulation from a Single Static Demonstration
• Title（参考訳）: DynamicManip: 単一静的デモによる動的マニピュレーションの実現
• Abstract要約: 高速なデータ拡張パイプラインと低レイテンシな模倣ポリシを通じて,課題に対処するDynamicManipを提案する。 動的操作タスクにおいて、DynamicManipは、平均成功率18.4ポイント以上のパフォーマンスを実現していることを示す。
• 参考スコア（独自算出の注目度）: 34.4044954225045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic manipulation is a critical capability for robots operating in complex and dynamic environments, where robots must interact with objects that are moving or require rapid adjustments. However, learning models for dynamic manipulation tasks face two major challenges: (1) the combinatorial complexity of dynamic scenarios leads to substantial data requirements, and (2) rapid variations in dynamics require real-time and accurate policy execution. In this paper, we propose DynamicManip to address these challenges through an efficient data augmentation pipeline and a low-latency imitation policy. We first propose a static-to-dynamic augmentation pipeline that synthesizes diverse dynamic manipulation demonstrations from a single static demonstration. Second, we introduce a dynamic-aware adaptive policy that adjusts its inference frequency according to task dynamics, enabling responsive and effective dynamic manipulation. Third, we build a dynamic manipulation benchmark, which includes diverse dynamic tasks with an automatic evaluation system for scalable and consistent assessment. Extensive experiments in both simulation and the real world demonstrate that DynamicManip not only provides significant improvements in data efficiency but also achieves better performance in dynamic manipulation tasks, with a mean success rate 18.4 percentage points higher and policy-query latency 32.9% lower.
• Abstract（参考訳）: 動的操作は、ロボットが動いたり、急激な調整を必要とする物体と対話しなければならない複雑な動的環境で動作しているロボットにとって重要な機能である。 しかし, 動的操作タスクの学習モデルには, 1) 動的シナリオの組合せ的複雑性がデータ要求のかなりの増加につながること,(2) 動的処理の急速な変化には, リアルタイムかつ正確なポリシー実行が必要であること,の2つの大きな課題がある。 本稿では,これらの課題に,効率的なデータ拡張パイプラインと低レイテンシの模倣ポリシを通じて対処するDynamicManipを提案する。 まず,1つの静的なデモンストレーションから多様な動的操作デモを合成する静的-動的拡張パイプラインを提案する。 第二に、動的適応ポリシーを導入し、タスクのダイナミックスに応じて推論周波数を調整し、応答性と効果的な動的操作を可能にする。 第3に、スケーラブルで一貫した評価のための自動評価システムを備えた多様な動的タスクを含む動的操作ベンチマークを構築する。 シミュレーションと実世界の大規模な実験により、DynamicManipはデータ効率を大幅に改善するだけでなく、動的操作タスクのパフォーマンスも向上し、平均成功率は18.4ポイント、ポリシークエリのレイテンシは32.9%向上した。

関連論文リスト

• One Hand Watches The Other: Dynamic Multi-Agent Cooperation for Sample-Efficient Bimanual Manipulation in Dynamic Environments [18.84041078934057]
  DynaMACは、マルチストリームロボット操作ポリシーのための軽量でポリシーに依存しないフレームワークである。 動的環境におけるロボット操作のための新しいベンチマークであるDynaBenchを紹介する。 DynaMACは静的なデモから動的環境へのゼロショットを一般化する。
  論文  参考訳（メタデータ） (2026-07-24T09:14:07Z)
• Towards Generalizable Robotic Manipulation in Dynamic Environments [48.77270850350943]
  VLA(Vision-Language-Action)モデルは静的な操作では優れているが、動いた軌跡を持つ動的環境では困難である。 本稿では、大規模なデータセットと一般的な動的操作のためのベンチマークであるDOMINOを紹介する。 また、動的に認識可能なVLAアーキテクチャPUMAを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:59:57Z)
• DynVLA: Learning World Dynamics for Action Reasoning in Autonomous Driving [47.8729375581201]
  DynVLAは、Dynamics CoTと呼ばれる新しいCoTパラダイムを導入した駆動VLAモデルである。 コンパクトなダイナミクス表現を得るために、DynVLAは、将来の進化を小さなダイナミックストークンに圧縮するDynamic Tokenizerを導入した。 我々はDynVLAをSFTおよびRFTを介して動作前に動的トークンを生成するように訓練し、遅延効率の高い推論を維持しながら意思決定品質を向上させる。
  論文  参考訳（メタデータ） (2026-03-11T17:59:31Z)
• DynamicVLA: A Vision-Language-Action Model for Dynamic Object Manipulation [52.83157499300261]
  時間的推論と閉ループ適応を統合した動的オブジェクト操作のフレームワークであるDynamicVLAを提案する。 我々は、自動データ収集パイプラインでスクラッチから構築されたDynamic Object Manipulationベンチマークを紹介します。 広範囲な評価は、応答速度、知覚、一般化の顕著な改善を示している。
  論文  参考訳（メタデータ） (2026-01-29T18:59:51Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Pre-Trained Video Generative Models as World Simulators [59.546627730477454]
  本研究では,事前学習した映像生成モデルを制御可能な世界シミュレータに変換するための動的世界シミュレーション(DWS)を提案する。 条件付き動作と生成した視覚的変化の正確なアライメントを実現するために,軽量で普遍的な動作条件付きモジュールを導入する。 実験により、DWSは拡散モデルと自己回帰変換モデルの両方に汎用的に適用可能であることが示された。
  論文  参考訳（メタデータ） (2025-02-10T14:49:09Z)
• DynInt: Dynamic Interaction Modeling for Large-scale Click-Through Rate Prediction [0.0]
  機能インタラクションの学習は、Adsランキングとレコメンデーションシステムにおける大規模なCTR予測の成功の鍵である。 このような問題をモデル化するために、ディープニューラルネットワークベースのモデルが広く採用されている。 我々はDynIntという新しいモデルを提案する。DynIntは動的でデータに依存しない高次相互作用を学習する。
  論文  参考訳（メタデータ） (2023-01-03T13:01:30Z)
• PAD-Net: An Efficient Framework for Dynamic Networks [72.85480289152719]
  動的ネットワークを実装する際の一般的な実践は、与えられた静的レイヤを完全な動的レイヤに変換することである。 我々は、冗長な動的パラメータを静的なパラメータに変換するために、部分的に動的ネットワーク、すなわちPAD-Netを提案する。 提案手法は,2つの典型的な動的アーキテクチャを用いた大規模実験によって包括的に支持されている。
  論文  参考訳（メタデータ） (2022-11-10T12:42:43Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• HyperDynamics: Meta-Learning Object and Agent Dynamics with Hypernetworks [18.892883695539002]
  HyperDynamicsは、ニューラルネットワークモデルのパラメータを生成する動的メタ学習フレームワークである。 高次元の視覚観察でダイナミクスを学習することで、環境の変化に適応する既存のモデルを上回る性能を発揮します。 本手法は,個別に訓練された専門家の演奏に合致すると同時に,テスト時に未知の環境変動に対して十分に一般化できることを示す。
  論文  参考訳（メタデータ） (2021-03-17T04:48:43Z)

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。