論文の概要: TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4

• arxiv url: http://arxiv.org/abs/2608.10718v1
• Date: Tue, 11 Aug 2026 09:35:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.995223
• Title: TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4
• Title（参考訳）: TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4
• Abstract要約: 本報告では、WBCD 2026 Track 4: Deformable Manipulation Challengeに対するRCC2 Teamのチャンピオンソリューションについて述べる。 このタスクでは、ロボットが1枚のTシャツをスタックから選択し、印刷用パレットにロードし、首輪を目標領域に合わせ、印刷領域を滑らかにする。 TCAMフレームワークを中心に完全に自律的なシステムを構築しました。ハードウェア、知覚、データ、学習は、ポリシーが扱わなければならない物理的相互作用の複雑さを共同で削減する、という設計原則を掲げています。 最終コンペでは,約23秒で25枚のTシャツをロードし,22。
• 参考スコア（独自算出の注目度）: 11.62811337213929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This technical report describes the RMC2 Team's champion solution for the WBCD 2026 Track 4: Deformable Manipulation Challenge. The task requires a robot to pick a single T-shirt from a stack, load it onto a printing pallet, align the collar with a target area, and smooth the printing region, a sequence that involves single-layer separation, deformable transport, precise placement, and contact-rich surface adjustment. The competition strongly incentivizes fully autonomous execution, motivating the development of an autonomous solution. We built a fully autonomous system around the TCAM (TermiBrain Causal Action Model) framework, with the design principle that hardware, perception, data, and learning should jointly reduce the physical interaction complexity the policy must handle. A custom 3D-printed gripper designed for single-layer fabric separation improves picking reliability on a dual-arm ARX X5 platform. A wrist-centric four-camera setup pairs upper fisheye cameras for task-level context with lower RGB cameras for close-range gripper-cloth contact observation. We combine portable UMI-style demonstrations with real-robot demonstrations collected on the deployable platform to provide both broad manipulation priors and deployment-specific dynamics. TCAM ties these components into a closed loop: each trajectory is analyzed to identify the physical factors contributing to its outcome, driving targeted data recollection and policy fine-tuning. The policy outputs 30-step end-effector delta-pose action chunks from a multi-view VLA backbone. In the final competition, our system loaded 25 T-shirts at an average of approximately 23 seconds per attempt, with 22 achieving the required surface smoothness, securing first place in Track 4.
• Abstract（参考訳）: この技術レポートでは、WBCD 2026 Track 4: Deformable Manipulation ChallengeのRCC2チームのチャンピオンソリューションについて記述している。 このタスクでは、ロボットが1枚のTシャツをスタックから選択し、プリントパレットにロードし、首輪をターゲット領域に整列させ、印刷領域を滑らかにする。 このコンペティションは、完全に自律的な実行を強く動機付け、自律的なソリューションの開発を動機付けている。 私たちはTCAM(TermiBrain Causal Action Model)フレームワークを中心に完全に自律的なシステムを構築しました。ハードウェア、知覚、データ、学習は、ポリシーが扱うべき物理的相互作用の複雑さを共同で削減する、という設計原則を使っています。 単層ファブリック分離用に設計されたカスタム3Dプリントグリップは、デュアルアームARX X5プラットフォームでのピッキング信頼性を向上させる。 手首中心の4カメラセットは、タスクレベルコンテキストの上部魚眼カメラと、ローローRGBカメラを併用して、近距離グリップ・クロース・コンタクト・オブザーバを実現する。 ポータブルなUMIスタイルのデモと、デプロイ可能なプラットフォーム上で収集された実ロボットデモを組み合わせて、広範な操作先とデプロイメント固有のダイナミクスを提供します。 TCAMはこれらのコンポーネントをクローズドループに結び付け、各トラジェクトリを解析して、その結果に寄与する物理的要因を特定し、ターゲットデータの再コンパイルとポリシーの微調整を駆動する。 ポリシーは、多視点VLAバックボーンから30ステップのエンドエフェクタデルタ位置アクションチャンクを出力する。 最終競技では,25枚のTシャツを平均23秒でロードし,22枚のTシャツをトラック4の1位に確保した。

関連論文リスト

• SoftVTBench: A Deformation-Aware Visuo-Tactile Dataset and Benchmark for Deformable-Object Manipulation [56.16187327142104]
  物理的相互作用を意識した変形オブジェクト操作のためのビジュオ触覚データセットであるSoftVTBenchを紹介する。 4000以上の専門家によるデモンストレーションと50以上の資産が含まれており、その中には体積変形可能な物体や視覚的に整合した双生児が含まれる。 20Hzでは、各エピソードはマルチビューRGB、デュアルフィンガー触覚RGB、マーカー運動、プロプレセプション、言語、バイナリおよび連続グリップパーアクションを同期させる。
  論文  参考訳（メタデータ） (2026-08-19T08:58:47Z)
• From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation [1.018607043740383]
  フレームワークは4つのモバイルマニピュレータ上で検証される。 これは、モーションキャプチャー地上の真理に対して59mmの位置RMSEを達成する。 産業用バルブの操作とピック・アンド・プレイス・タスクでは、全ての試験に完全なフレームワークが成功した。
  論文  参考訳（メタデータ） (2026-07-19T16:15:14Z)
• SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
  SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
  論文  参考訳（メタデータ） (2026-06-17T02:15:46Z)
• VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation [16.699685476760408]
  我々は、VLA(Vision-Language-action)ポリシー学習と、アクセス可能なハードウェアへのデプロイをサポートするために設計された、完全に低コストでモジュール化されたロボット操作プラットフォームであるVILASを紹介する。 このシステムには、Fairinoのコラボレーティブアーム、Jodell RG52-50電気グリップ、デュアルカメラ認識モジュールが組み込まれている。 力覚に頼らずに壊れやすい物体の安全な操作を可能にするため,キリガミをベースとしたソフト適合グリップ拡張を設計する。
  論文  参考訳（メタデータ） (2026-05-03T20:04:42Z)
• YUV20K: A Complexity-Driven Benchmark and Trajectory-Aware Alignment Model for Video Camouflaged Object Detection [30.226415717379066]
  本稿では,YUV20Kという,ピクセルレベルのアノテート複雑性駆動VCODベンチマークを提案する。 MFS(Motion Feature Stabilization)とTAA(Trajectory-Aware Alignment)の2つの重要なモジュールを特徴とする新しいフレームワークを提案する。 本フレームワークは,複雑な時間的シナリオに直面する場合,ドメイン間の一般化とロバスト性に優れる。
  論文  参考訳（メタデータ） (2026-04-11T01:57:58Z)
• OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
  textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。 我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
  論文  参考訳（メタデータ） (2026-03-19T17:52:42Z)
• MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
  MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。 MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
  論文  参考訳（メタデータ） (2026-02-05T02:49:52Z)
• M4Diffuser: Multi-View Diffusion Policy with Manipulability-Aware Control for Robust Mobile Manipulation [17.9979990426915]
  M4Diffuserは、マルチビュー拡散ポリシーとモバイル操作のための新しいReduceed and Manipulability-aware QPコントローラを統合するハイブリッドフレームワークである。 提案手法は,スムーズな全身協調のための堅牢な性能と,目に見えないタスクへの強力な一般化を示す。
  論文  参考訳（メタデータ） (2025-09-18T14:09:53Z)
• The 9th AI City Challenge [64.32227009699942]
  第9回AIシティチャレンジは、輸送、産業自動化、公共安全におけるコンピュータビジョンとAIの現実的な応用を推し進めている。 2025年版では4トラックが収録され、17%が参加し、評価サーバに登録された15カ国から245チームが参加した。 チャレンジデータセットのパブリックリリースにより、これまでに3万回以上ダウンロードされた。
  論文  参考訳（メタデータ） (2025-08-19T06:55:06Z)
• Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop [120.2806035123366]
  RoboTwin Dual-Arm Collaboration Challengeは、CVPR 2025の第2回MeISワークショップで行われた。 ライバルは、剛性、変形性、触覚ベースのシナリオをカバーする17のデュアルアーム操作タスクに完全に取り組んだ。 コンペティションの設定、タスク設計、評価方法論、重要な発見と今後の方向性について概説する。
  論文  参考訳（メタデータ） (2025-06-29T17:56:41Z)
• Towards Autonomous Driving: a Multi-Modal 360$^{\circ}$ Perception Proposal [87.11988786121447]
  本稿では,自動運転車の3次元物体検出と追跡のためのフレームワークを提案する。 このソリューションは、新しいセンサ融合構成に基づいて、正確で信頼性の高い道路環境検出を提供する。 自動運転車に搭載されたシステムの様々なテストは、提案された知覚スタックの適合性を評価することに成功している。
  論文  参考訳（メタデータ） (2020-08-21T20:36:21Z)

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。