論文の概要: RodForesight: A World Model Enhanced Diffusion Policy for Slender Rod Insertion
- arxiv url: http://arxiv.org/abs/2609.12103v2
- Date: Mon, 14 Sep 2026 09:41:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.02577
- Title: RodForesight: A World Model Enhanced Diffusion Policy for Slender Rod Insertion
- Title（参考訳）: RodForesight: 細いロッド挿入のための拡張拡散ポリシ
- Abstract要約: RodForesightは、タスクを粗いアプローチと予測的な挿入という2つのステージに分解する学習フレームワークである。
挿入中、拡散ポリシは候補アクションチャンクを生成し、アクション条件付き世界モデルはロッドホールアライメントへの影響を予測する。
ロッドフォレストは成功率を88.9%から96.7%に改善した。
- 参考スコア（独自算出の注目度）: 7.604035009056909
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Slender rod insertion arises in precision manufacturing, where millimetre scale diameter and tight clearances demand accurate perception and control. Conventional peg-in-hole methods assume a rigid object whose tip pose is fixed relative to the gripper. This assumption breaks down for a high aspect ratio rod, which can bend during manipulation, making its tip motion dependent on the rod configuration, grasp, material properties, and contact. We present RodForesight, a learning framework that factorises the task into two stages: 1) coarse approaching, which uses visual servoing to map diverse initial configurations into a compact near hole hand-off region; and 2) predictive insertion, which performs fine alignment and completes the insertion. It is worth noting that the two stages can be wrapped into an end-to-end design. During insertion, a diffusion policy generates candidate action chunks, while an action conditioned world model predicts their effects on rod-hole alignment. This pre-execution evaluation enables RodForesight to select the best action chunk based on predicted tilt and radial errors before execution. Experiments investigate the performance of different stages and the end-to-end setting, where RodForesight improves the success rate from 88.9% to 96.7%, compared to baseline methods such as diffusion policy.
- Abstract（参考訳）: 細い棒の挿入は、ミリメートルスケールの直径と厳密なクリアランスが正確な認識と制御を要求する精密製造で発生する。
従来のペグ・イン・ホール法では、グリップに対して先端ポーズが固定された剛体物体を仮定する。
この仮定は、操作中に曲げられる高アスペクト比ロッドを分解し、その先端運動はロッド構成、つかみ、材料特性、接触に依存する。
RodForesightという,タスクを2段階に分解する学習フレームワークを紹介します。
1) 粗い接近 - 視覚サーボを用いて、様々な初期構成をコンパクトな近接ホールハンドオフ領域にマッピングする。
2【予測挿入】細かなアライメントを行い、挿入を完了させる。
2つのステージがエンドツーエンドの設計にまとめられることは注目に値する。
挿入中、拡散ポリシは候補アクションチャンクを生成し、アクション条件付き世界モデルはロッドホールアライメントへの影響を予測する。
この事前実行評価により、RodForesightは、予測された傾きとラジアルエラーに基づいて、実行前に最良のアクションチャンクを選択することができる。
実験では、拡散政策のような基本手法と比較して、RodForesightが成功率を88.9%から96.7%に改善する、異なるステージとエンドツーエンドのセッティングのパフォーマンスを調査した。
関連論文リスト
- Force-Based Offset Estimation for Keyed Peg-in-Hole Assembly Using Local Gaussian Process Regression [0.0]
キーキーウェイ組立タスクは厳密な幾何学的制約を課し、不確実な環境でのポーズの偏差の把握に非常に敏感である。
本研究は,知覚評価パイプライン内に埋め込まれたキー付きペグ・イン・ホール・アセンブリの力量に基づくオフセット推定手法を提案する。
論文 参考訳（メタデータ） (2026-08-18T12:06:35Z) - 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) - Bilinear Model Predictive Control Framework of the OncoReach, a Tendon-Driven Steerable Stylet for Brachytherapy [0.11726720776908518]
ステアブルニードルは、鋭敏な解剖学的構造を避けるために湾曲した軌跡を有効にすることで、間質的ブラキセラピーを改善する可能性がある。
既存のモデリングと制御のアプローチは、主にカスタムニードルの設計のために開発されており、市販の臨床ニードルと互換性のあるスタイルセットには直接適用できない。
本稿では、腱駆動型ステアブルスタイルトと標準的なブラキセラピー針を統合したバイリニアモデル予測制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-06T19:17:43Z) - Curvature-Guided LoRA: Steering in the pretrained NTK subspace [60.35296431630704]
本稿では,PEFTを用いて得られた予測器と,出力レベルにおける完全微調整の予測器との整合性を考慮した予測アライメント問題を提案する。
我々は、この目的が自然に、ニュートンのような、曲率ホワイトの勾配に対応する最適な低ランク更新を行う、曲率対応の2階定式化につながることを示した。
この知見に基づいて、局所曲率情報を用いて適応方向を選択し、スケールする曲率誘導LoRA(CG-LoRA)を提案する。
論文 参考訳（メタデータ） (2026-03-31T14:46:39Z) - Revisiting Edge Perturbation for Graph Neural Network in Graph Data
Augmentation and Attack [58.440711902319855]
エッジ摂動はグラフ構造を変更する方法である。
グラフニューラルネットワーク(GNN)の性能への影響に基づき、2つの静脈に分類できる。
統一的な定式化を提案し、エッジ摂動法の2つのカテゴリ間の明確な境界を確立する。
論文 参考訳（メタデータ） (2024-03-10T15:50:04Z) - Towards Motion Forecasting with Real-World Perception Inputs: Are
End-to-End Approaches Competitive? [93.10694819127608]
実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。
我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
論文 参考訳（メタデータ） (2023-06-15T17:03:14Z) - Improving Adversarial Transferability via Intermediate-level
Perturbation Decay [79.07074710460012]
我々は,一段階の最適化で敵の例を再現する新しい中間レベル手法を開発した。
実験結果から, 種々の犠牲者モデルに対する攻撃において, 最先端技術よりも大きな差が認められた。
論文 参考訳（メタデータ） (2023-04-26T09:49:55Z) - Hard-label Manifolds: Unexpected Advantages of Query Efficiency for
Finding On-manifold Adversarial Examples [67.23103682776049]
画像分類モデルに対する最近のゼロオーダーのハードラベル攻撃は、ファーストオーダーのグラデーションレベルの代替品に匹敵する性能を示している。
最近、グラデーションレベルの設定では、通常の敵対的な例がデータ多様体から離れ、オンマニホールドの例が実際には一般化エラーであることが示されている。
雑音の多い多様体距離オラクルに基づく情報理論論的議論を提案し、敵の勾配推定を通じて多様体情報を漏洩させる。
論文 参考訳（メタデータ） (2021-03-04T20:53:06Z) - Amplifying the Anterior-Posterior Difference via Data Enhancement -- A
More Robust Deep Monocular Orientation Estimation Solution [7.540176446791261]
既存のディープラーニングベースの単眼方向推定アルゴリズムは、オブジェクトの前部と後部の混乱の問題に直面している。
本研究では,物体の向きが位置する左右半円を予測することに焦点を当てた事前学習手法を提案する。
実験の結果,提案する半円予測により方向推定の精度が向上し,上記の問題を緩和できることがわかった。
論文 参考訳（メタデータ） (2020-12-21T15:36:13Z) - Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。
現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。
そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:33:44Z)
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。