論文の概要: A Hierarchical Approach to Imitation Learning for Manipulation Tasks Requiring Time Varying Forces
- arxiv url: http://arxiv.org/abs/2608.03103v1
- Date: Tue, 04 Aug 2026 04:21:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.030671
- Title: A Hierarchical Approach to Imitation Learning for Manipulation Tasks Requiring Time Varying Forces
- Title（参考訳）: 時間変動力を必要とする操作課題に対する模倣学習の階層的アプローチ
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.372073538832803
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion policies have shown strong performance in learning complex, multi-modal behaviors for robotic manipulation. However, their application to contact-rich disassembly tasks remains limited by a key trade-off: the iterative denoising process introduces inference latencies that makes high frequency control difficult, which is essential for realizing dynamic interactions such as chiseling and prying. Recent action-chunking techniques mitigate latency but use an open-loop execution window, rendering the system blind to rapid force transients caused by fracture events. To bridge this gap, we introduce the Diffusion Policy Augmented by Fast Trajectory Generation (DPA-FTG). Compared to recent visual-tactile approaches that focus on positional correction, DPA-FTG decouples low-frequency planning from high-frequency force regulation. At the high level ($5$ Hz), a conditional diffusion model predicts a sequence of latent parameters for selecting a strategy from a learned vocabulary of task primitives. At the low level ($60$ Hz), a lightweight, force-conditioned policy acts as a neural impedance controller, modulating execution in real-time to maintain contact stability. We validate our approach on a bimanual battery disassembly task involving the separation of a compliant sheet. Experimental evaluation demonstrates that DPA-FTG outperforms state-of-the-art baselines, including Reactive Diffusion Policy (RDP).
- Abstract（参考訳）: 拡散ポリシは、ロボット操作のための複雑なマルチモーダルな振る舞いを学ぶ上で、強いパフォーマンスを示している。
しかし、接触に富んだ分解タスクへのそれらの適用は、重要なトレードオフによって制限されている: 反復的復調プロセスは、高い周波数制御を困難にする推論レイテンシを導入し、これは、チャイズリングやプライニングのような動的相互作用の実現に不可欠である。
最近のアクションチャンキング技術は遅延を緩和するが、オープンループ実行ウィンドウを使用する。
このギャップを埋めるために,高速軌道生成(DPA-FTG)による拡散政策を導入する。
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。
高いレベル (5$ Hz) では、条件拡散モデルは、学習したタスクプリミティブの語彙から戦略を選択するための潜在パラメータの列を予測する。
低レベル (60$ Hz) では、軽量で強制条件付きポリシーがニューラルインピーダンスコントローラとして機能し、接触安定性を維持するためにリアルタイムで実行を調整する。
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。
DPA-FTGは反応拡散政策(RDP)を含む最先端のベースラインよりも優れていることを示す実験的評価である。
関連論文リスト
- FA-RDP: A Frequency-Adaptive Reactive Diffusion Policy for Contact-Rich Manipulation [46.70731586911338]
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。
論文 参考訳（メタデータ） (2026-07-30T17:47:49Z) - 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) - VADF: Vision-Adaptive Diffusion Policy Framework for Efficient Robotic Manipulation [26.316939305877145]
拡散政策はロボット操作において主流になりつつあるが、一様サンプリングとサンプル難易度認識の欠如により、強い負のクラス不均衡に悩まされている。
本稿では,視覚駆動型デュアルアダプティブフレームワークであるVADF(Vision-Adaptive Diffusion Policy Framework)を提案する。
論文 参考訳（メタデータ） (2026-04-17T10:56:59Z) - 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) - TS-DP: Reinforcement Speculative Decoding For Temporal Adaptive Diffusion Policy Acceleration [64.32072516882947]
拡散ポリシーは、具体的制御が優れているが、高い推論遅延と計算コストに悩まされている。
時間認識強化に基づく投機的拡散政策(TS-DP)を提案する。
TS-DPは94%以上のドラフトで最大4.17倍高速な推論を実現し、推論周波数は25Hzに達した。
論文 参考訳（メタデータ） (2025-12-13T07:53:14Z) - 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) - Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。
我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2025-12-02T14:42:54Z) - 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。