論文の概要: FOCI Policy: Focus on Object-Centric Interactions for Relational Manipulation Policies
- arxiv url: http://arxiv.org/abs/2609.08743v1
- Date: Tue, 08 Sep 2026 13:35:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 15:52:32.144988
- Title: FOCI Policy: Focus on Object-Centric Interactions for Relational Manipulation Policies
- Title（参考訳）: FOCIポリシー:リレーショナル・マニピュレーション・ポリシーのためのオブジェクト指向インタラクションに焦点を当てる
- Abstract要約: オブジェクト中心の操作ポリシーは、ロボットのアクションを直接予測するのではなく、オブジェクトの動きをモデル化することで一般化を改善する。
両面の抽象化を実現するインタラクション中心のフレームワークであるtextscFoci Policyを提案する。
RLBench、COLOSSEUM、および実世界のタスクに関する実験は、textscFoci Policyが、以前のオブジェクト指向およびアクション中心のポリシーよりもトレーニングデータを大幅に少なくして、強力なパフォーマンスを達成することを示している。
- 参考スコア（独自算出の注目度）: 6.557127548028966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object-centric manipulation policies improve generalization by modeling object motion instead of directly predicting robot actions. However, existing methods are often limited by representations which are either too simplistic to capture interaction dynamics or too dense to learn efficiently. We observe that many rigid relational manipulation tasks are governed by short interaction phases where the relative motion between task-relevant objects is tightly constrained. Based on this observation, we propose \textsc{Foci Policy}, an interaction-centric framework that achieves a two-fold abstraction: (1) temporally, by automatically extracting compact interaction segments from demonstrations;(2) spatially, by representing skills as relative $SE(3)$ motion between task-relevant objects, yielding invariance to scene configurations and robot embodiment. Experiments on RLBench, COLOSSEUM, and real-world tasks show that \textsc{Foci Policy} achieves strong performance with substantially less training data than prior object-centric and action-centric policies. These results suggest that modeling object-object interactions provides a simple and efficient inductive bias for rigid relational manipulation. Project page: \href{https://fitz0401.github.io/foci-page/}{fitz0401.github.io/foci-page/}.
- Abstract（参考訳）: オブジェクト中心の操作ポリシーは、ロボットのアクションを直接予測するのではなく、オブジェクトの動きをモデル化することで一般化を改善する。
しかし、既存の手法は、相互作用のダイナミクスを捉えるには単純すぎるか、効率的に学習するには過密である表現によって制限されることが多い。
多くの厳密な関係操作タスクは、タスク関連オブジェクト間の相対的な動きが厳密に制約された短い相互作用フェーズによって制御される。
本研究では,(1)デモからコンパクトなインタラクションセグメントを自動的に抽出し,(2)タスク関連オブジェクト間の相対的な$SE(3)$の動作を表現し,シーン構成やロボットのエンボディメントに不変性を与える,2段階の抽象化を実現するインタラクション中心のフレームワークである‘textsc{Foci Policy} を提案する。
RLBench, COLOSSEUM, および実世界のタスクに対する実験により, 従来のオブジェクト指向やアクション中心のポリシーよりもトレーニングデータが少なく, 強いパフォーマンスを達成できた。
これらの結果は、オブジェクト-オブジェクト間の相互作用をモデル化することで、剛性リレーショナル操作のための単純かつ効率的な帰納バイアスが得られることを示唆している。
プロジェクトページ: \href{https://fitz0401.github.io/foci-page/}{fitz0401.github.io/foci-page/}。
関連論文リスト
- Joint Discovery of Object and Action Symbols through Effect Prediction for Robotic Manipulation Planning [1.4701783773624093]
本稿では,ハイレベルな操作プリミティブとオブジェクトカテゴリを共同で発見するモデルを提案する。
我々は、予測効果軌道の中間ステップを用いて、部分的な動作実行を可能にする離散的な計画手法を利用する。
我々はテーブルトップ再配置および積み重ね作業の実験を行い、我々の効果駆動型計画手法が最先端の手法と視覚に基づく代替案の両方より優れていることを確認した。
論文 参考訳（メタデータ） (2026-06-22T11:58:11Z) - TriRelVLA: Triadic Relational Structure for Generalizable Embodied Manipulation [54.81449795163812]
視覚言語アクション(VLA)モデルは、トレーニング対象のロボットタスクでうまく機能するが、見えないシーンやオブジェクトに一般化するのに苦労する。
一般化可能なエンボディ操作のための三進関係VLAフレームワークであるTriRelVLAを提案する。
実験は、微調整されたタスクにおいて強い性能を示し、クロスシーン、クロスオブジェクト、クロスタスクの一般化において明確なゲインを示す。
論文 参考訳（メタデータ） (2026-05-07T05:57:49Z) - rt-RISeg: Real-Time Model-Free Robot Interactive Segmentation for Active Instance-Level Object Understanding [7.264443471771696]
本稿では,ロボット同士の相互作用によって見えない物体を連続的に分割する,新しいリアルタイム対話型知覚フレームワークrt-RISegを提案する。
ランダムにサンプリングされた物体フレームの相対的な回転速度と線形速度は,ロボット同士の相互作用によって,学習されたセグメンテーションモデルなしで物体を識別できることを示す。
本稿では,従来のUOIS法よりも平均物体分割精度を27.5%向上させることにより,対話的知覚法の有効性を示す。
論文 参考訳（メタデータ） (2025-07-14T20:02:52Z) - EC-Flow: Enabling Versatile Robotic Manipulation from Action-Unlabeled Videos via Embodiment-Centric Flow [10.674192015199996]
Embodiment-Centric Flow (EC-Flow)は、アクション未ラベルのビデオから操作を学ぶフレームワークである。
我々の重要な洞察は、エンボディメント固有のキネマティクスを取り入れることで、汎用的な操作シナリオへの一般化が著しく向上するということである。
EC-Flowを実行可能なロボットアクションに翻訳するには、キネマティックな制約を指定するのに標準的なロボットURDFファイルが必要である。
論文 参考訳（メタデータ） (2025-07-08T17:57:03Z) - InterRVOS: Interaction-aware Referring Video Object Segmentation [44.55538737075162]
インタラクションのモデリングに焦点をあてた新しいタスクであるInterRVOS(Interaction-Aware Referring Video Object)を紹介する。
モデルはアクターとターゲットオブジェクトを別々に分割し、相互作用におけるそれらの非対称的な役割を反映する必要がある。
本稿では,127K以上のアノテート表現を持つ大規模データセットであるInterRVOS-127Kについて述べる。
論文 参考訳（メタデータ） (2025-06-03T01:16:13Z) - Learning Video Generation for Robotic Manipulation with Collaborative Trajectory Control [72.00655365269]
本稿では,協調的軌跡定式化を通じてオブジェクト間ダイナミクスをモデル化する新しいフレームワークであるRoboMasterを紹介する。
オブジェクトを分解する従来の方法とは異なり、我々のコアは、相互作用プロセスを3つのサブステージ(相互作用前、相互作用後、相互作用後)に分解することである。
提案手法は既存の手法よりも優れており,ロボット操作のための軌道制御ビデオ生成における最先端性能を確立している。
論文 参考訳（メタデータ） (2025-06-02T17:57:06Z) - Keypoint Abstraction using Large Models for Object-Relative Imitation Learning [78.92043196054071]
多様なタスクや環境にまたがる新しいオブジェクト構成やインスタンスへの一般化は、ロボット工学において重要な課題である。
キーポイントに基づく表現は、本質的なオブジェクトキャプチャ機能のための簡潔な表現として有効であることが証明されている。
本稿では,タスク関連およびクロスインスタンス整合性キーポイントの自動生成に,大規模な事前学習型視覚言語モデルを活用するフレームワークであるKALMを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:37:31Z) - Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [57.942404069484134]
アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。
従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。
本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
論文 参考訳（メタデータ） (2024-09-24T17:59:56Z) - Learning Manipulation by Predicting Interaction [85.57297574510507]
本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。
実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
論文 参考訳（メタデータ） (2024-06-01T13:28:31Z) - Learning Extrinsic Dexterity with Parameterized Manipulation Primitives [8.7221770019454]
我々は、オブジェクトのポーズを変えるために環境を利用する一連のアクションを学習する。
我々のアプローチは、オブジェクトとグリップと環境の間の相互作用を利用してオブジェクトの状態を制御することができる。
拘束されたテーブルトップワークスペースから様々な重量,形状,摩擦特性の箱状物体を選別する手法の評価を行った。
論文 参考訳（メタデータ） (2023-10-26T21:28:23Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。