論文の概要: MemCorr-DP: Counterfactual Correspondence Conditioning for a Diffusion Policy Guided by a Reference

• arxiv url: http://arxiv.org/abs/2609.06615v1
• Date: Sun, 06 Sep 2026 14:03:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.284161
• Title: MemCorr-DP: Counterfactual Correspondence Conditioning for a Diffusion Policy Guided by a Reference
• Title（参考訳）: MemCorr-DP:参照誘導拡散政策における対実対応条件
• Abstract要約: 凍結したRoMa v2を持ち上げる拡散ポリシであるMemCorr-DPを,現在のシーンと参照軌道との明示的な3次元関係に整合する。 この組み合わせにより、MemCorr-DPは96.67%のクローズドループ成功を達成し、同じアクションアーキテクチャを持つビジュアルトランスフォーマーでは88.90%となった。
• 参考スコア（独自算出の注目度）: 6.8087753393731125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Behavior-cloned visuomotor policies can remain accurate near their training distribution yet fail when object position and camera viewpoint change together. A successful reference trajectory contains the geometry needed to transfer the same interaction, but the policy must align that geometry with the current scene and remain sensitive to it during denoising. To address these challenges, we present MemCorr-DP, a diffusion policy that lifts frozen RoMa v2 matches into explicit 3D relations between the current scene and the reference trajectory. A counterfactual paired objective assigns opposite behaviors the same physical state and noisy action while retaining reference-specific denoising targets. Mixed-condition fine-tuning then adapts the policy from ground-truth geometry to measured correspondence errors. Our strongest evaluation places the Door in the outermost position bands beyond the training support and changes the query camera by $\pm15^\circ$. Under this combined shift, MemCorr-DP achieves 96.67% closed-loop success, compared with 88.00% for a visual Transformer with the same action architecture. Objective ablations and reference interventions show that behavior responds to the selected reference, while matched controls favor the complete relation set over future motion or centroid geometry alone. These results support explicit 3D reference relations as a robust conditioning interface when spatial and viewpoint changes are compounded in the evaluated task.
• Abstract（参考訳）: 行動閉ざされた視覚運動のポリシーは、トレーニング分布の近くで正確であるが、オブジェクトの位置とカメラの視点が一緒に変化すると失敗する。 成功した参照軌道は、同じ相互作用を伝達するのに必要な幾何を含んでいるが、ポリシーは、その幾何学と現在のシーンを一致させ、演示中にそれに敏感でいなければならない。 これらの課題に対処するために,凍ったRoMa v2を浮き彫りにした拡散ポリシーであるMemCorr-DPを提案する。 対物対の目的は、参照特化目標を維持しながら、反対の動作を同じ物理的状態とうるさい動作に割り当てる。 混合条件微調整は、接地構造幾何から対応誤差の測定にポリシーを適応させる。 最強の評価では、Doorはトレーニングサポート以上の位置バンドに配置し、クエリカメラを$\pm15^\circ$で変更しています。 この組み合わせの下で、MemCorr-DPは96.67%のクローズドループ成功を達成し、同じアクションアーキテクチャを持つビジュアルトランスフォーマーでは88.00%である。 客観的アブレーションと基準介入は、行動が選択された基準に応答することを示しているが、一致した制御は、将来の動きやセントロイド幾何学のみに対して設定された完全な関係を好んでいる。 これらの結果は,空間的変化と視点変化が複合された場合のロバストな条件付けインタフェースとして,明示的な3次元参照関係をサポートする。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• Zero-Shot Sim-to-Real Contact-Rich Assembly via Proprioception-Anchored Cross-Modal Pretraining [9.415285027294221]
  PACE (Proprioception-Anchored Cross-Modal space) は, 主受容状態遷移を予測することで, 時間的視覚およびF/T表現を監督する。 4つの接触に富んだ組立作業の中で、PACEは平均的な実世界の成功率93.3%に達し、2.7ポイントのsim-to-realドロップしか達成していない。
  論文  参考訳（メタデータ） (2026-09-07T14:20:22Z)
• SimFuse3D: Source-Guided Target Simulation and Confidence-Guided Multi-Stage Localization Reweighting for Cross-Platform 3D Object Detection [14.526062661334437]
  センサ高さと視点の変化は、オブジェクトレベルの点分布を変化させ、クロスプラットフォームのLiDAR非教師なし領域適応を困難にする。 そこで,SimFuse3Dを導入し,ラベル付きソーススキャンから計測した幾何を用いて,対象の配置を保存し,関連する擬似オブジェクトを修復する。
  論文  参考訳（メタデータ） (2026-09-04T08:41:56Z)
• A Dynamic-Semantics Framework for Grounding Human Referring Expressions in Visual Perceptual Data [0.0]
  本稿では,パクト状態を3つの明示的で検査可能な参照オブジェクトバインディングに外部化するフレームワークを提案する。 スタンフォード・リピート・レファレンス・ゲーム・コーパス(Stanford Repeated Reference Game corpus)のフレームワークについて検討した。
  論文  参考訳（メタデータ） (2026-08-09T12:14:10Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• AffordTrajDP: Dynamic Affordance-Guided Visuomotor Policy Learning for Robotic Manipulation [8.422659700538636]
  AffordTrajDPは、プログレッシブな操作プロセスを導くために、オブジェクト中心の時間的伝播を通して、余剰軌道を構築する。 AffordTrajDPはManiSkill3の平均成功率は70.0%で、強いベースラインを最大17.8%上回っている。
  論文  参考訳（メタデータ） (2026-08-03T02:19:37Z)
• Relational Rank Geometry in Transformers: Detecting and Steering Hidden-State Relation Frames [0.0]
  トークンコンストラクタ間の関係のランク付き幾何について検討した。 32以上のプロンプトを洗浄・腐食介入法で測定する。 クリーンターゲット関係フレームパスは、クリーン・アンサー動作と残差関係幾何を回復する。
  論文  参考訳（メタデータ） (2026-05-28T09:06:13Z)
• Conservative Offline Robot Policy Learning via Posterior-Transition Reweighting [36.23660195981511]
  PTR(Posterior-Transition Reweighting)は、報酬のない、保守的なポストトレーニング手法である。 各トレーニングサンプルが管理された更新にどの程度影響するかを決定する。 PTRは、各サンプルの反応後の結果が現在の表現の下にあるかに応じてクレジットを再配置する。
  論文  参考訳（メタデータ） (2026-03-17T14:05:35Z)
• Choose What to Observe: Task-Aware Semantic-Geometric Representations for Visuomotor Policy [66.60668908340429]
  Visuomotor のポリシーは、生の RGB 観測において、過度な視覚的要因に適合するデモから学ぶ。 視覚的入力を共有表現に正準化するタスク対応観察インタフェースを提案する。 我々は,RoboMimic (Lift), ManiSkill YCB grasping under clutter, 4つのRLBench task under control appearance shifts, and two real-world Franka taskについて検討した。
  論文  参考訳（メタデータ） (2026-03-09T01:21:26Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding [121.08841110022607]
  既存のエージェント中心の手法は、公開ベンチマークで顕著な性能を示した。 K-nearest neighbor attention with relative pose encoding (KNARPE) は、トランスフォーマーがペアワイズ相対表現を使用できる新しいアテンション機構である。 エージェント間でコンテキストを共有し、変化しないコンテキストを再利用することで、私たちのアプローチはシーン中心のメソッドと同じくらい効率的になり、最先端のエージェント中心のメソッドと同等に実行されます。
  論文  参考訳（メタデータ） (2023-10-19T17:59:01Z)
• LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation [69.70498875887611]
  LocPoseNetは、見えないオブジェクトに先立って、ロバストにロケーションを学習することができる。 提案手法は,LINEMOD と GenMOP において,既存の作業よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-29T15:21:34Z)

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。