論文の概要: Online Material Estimation for Conditioned Diffusion Policy in Shaping Deformable Linear Objects

• arxiv url: http://arxiv.org/abs/2609.12634v1
• Date: Fri, 11 Sep 2026 09:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.697192
• Title: Online Material Estimation for Conditioned Diffusion Policy in Shaping Deformable Linear Objects
• Title（参考訳）: 形状変形可能な線形物体における条件付き拡散政策のオンライン評価
• Abstract要約: 操作中にオンラインで推定された材料ラベルに条件付き拡散ポリシーを提案する。 繰り返し推定ネットワークは、多視点画像とロボット関節状態の時系列から把握対象の材料ラベルを予測する。 地味な素材ラベルの条件は、タスクのみのポリシーよりも平均成功率を45.8%から60.0%に改善した。
• 参考スコア（独自算出の注目度）: 1.2074552857379275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shape control of deformable linear objects (DLOs) is challenging for imitation learning because deformation behavior varies with material properties such as stiffness and elasticity, so a single policy must generate different action sequences for different objects even when the goal shape is identical. We propose a diffusion policy conditioned on material labels that are estimated online during manipulation. A recurrent estimation network predicts the material label of the grasped object from the time series of multi-view images and robot joint states, and the predicted label conditions the diffusion policy at every inference step. We collected 480 real-robot demonstrations covering four DLO materials and three groove-placement tasks, and compared per-material specialist policies, a task-conditioned policy without material labels, a policy conditioned on ground-truth material labels, and the proposed policy. Conditioning on ground-truth material labels improved the average success rate from 45.8% to 60.0% over the task-only policy, and the proposed policy reached 60.8% without any prior material information, matching the policy given ground-truth labels. A post-hoc analysis shows that the estimator extracts material-related information from the manipulation observations and that the diffusion policy responds to the resulting conditioning signal, while the one pronounced failure case is associated with persistent confusion between two similar materials.
• Abstract（参考訳）: 変形可能な線形物体(DLO)の形状制御は、変形挙動が剛性や弾性などの材料特性によって変化するため、目標形状が同一であっても、単一のポリシーで異なる対象に対して異なる動作シーケンスを生成する必要があるため、模倣学習では困難である。 操作中にオンラインで推定される材料ラベルに基づく拡散ポリシーを提案する。 繰り返し推定ネットワークは、多視点画像とロボット関節状態の時系列から把握対象の材料ラベルを予測し、予測されたラベルは、推論ステップ毎に拡散ポリシーを条件とする。 我々は,4つのDLO材料と3つの溝配置タスクをカバーする480個の実ロボットデモを収集し,材料ごとの専門政策,材料ラベルのないタスク条件の政策,地中固形材料ラベルに基づく政策,提案方針を比較した。 接地基材ラベルの条件は、タスクのみの政策で平均成功率を45.8%から60.0%に改善し、提案された方針は事前の材料情報なしで60.8%に達し、接地基材ラベルのポリシーに適合した。 ポストホック解析により、推定器は、操作観察から物質関連情報を抽出し、拡散ポリシーが結果の条件付け信号に応答することを示した。

関連論文リスト

• PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
  我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。 メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。 得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
  論文  参考訳（メタデータ） (2026-09-12T06:07:43Z)
• Implicit Neural Representations of Individual Behavior [0.0]
  我々は、ラベルのない多都市行動データからポリシー表現学習を研究する。 振舞い INR は状態-作用関数の状態をその後の行動にマッピングするポリシーを表す。 振舞いINRは、最も厳しい状態-動作設定におけるポリシーの識別性を最も改善する。
  論文  参考訳（メタデータ） (2026-06-10T15:19:41Z)
• Diagnosing Live Within-Policy Instruction Conflicts in LLM Agents with Witnessed Resolution Profiles [15.65681557926802]
  LLMエージェントは、長期にわたる自然着色促進ポリシーによって管理されるが、個々に合理的なスタンディングルールは、無視できない方法で相互作用することができる。 実生活におけるルール・コンフリクトの診断について検討し、現実的な状態を共同統治できる単一のプロンプトポリシーの中でルール・ペアを見つける。 我々は、Witnessed intra-policy Rule Evaluation PipelineであるWIREを紹介する。
  論文  参考訳（メタデータ） (2026-05-27T00:09:45Z)
• PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
  PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。 PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
  論文  参考訳（メタデータ） (2026-04-16T20:29:30Z)
• Policy-Invisible Violations in LLM-Based Agents [10.660248467840821]
  コンプライアンスがエンティティ属性、コンテキスト状態、あるいはエージェントの可視的コンテキストから欠落したセッション履歴に依存する場合。 PhantomPolicyは、8つの違反カテゴリにまたがるベンチマークで、バランスの取れた違反と安全管理のケースを示す。 本稿では,反ファクトグラフシミュレーションに基づく実施フレームワークであるSentinelを紹介する。
  論文  参考訳（メタデータ） (2026-04-14T01:15:15Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Conformal Off-Policy Evaluation in Markov Decision Processes [53.786439742572995]
  強化学習は、データから効率的な制御ポリシーを特定し評価することを目的としている。 この学習タスクのほとんどの方法は、Off-Policy Evaluation (OPE)と呼ばれ、正確さと確実性を保証するものではない。 本稿では,目標方針の真報を含む区間を所定の確信度で出力するコンフォーマル予測に基づく新しいOPE手法を提案する。
  論文  参考訳（メタデータ） (2023-04-05T16:45:11Z)
• Policy Dispersion in Non-Markovian Environment [53.05904889617441]
  本稿では,非マルコフ環境下での国家行動ペアの歴史から,多様な政策の学習を試みる。 まず、ポリシー埋め込みを学習するために、トランスフォーマーベースの手法を採用する。 次に,政策埋め込みを積み重ねて分散行列を構築し,多様な政策の集合を誘導する。
  論文  参考訳（メタデータ） (2023-02-28T11:58:39Z)
• Doubly Robust Off-Policy Value and Gradient Estimation for Deterministic Policies [80.42316902296832]
  本研究では,行動継続時の非政治データから決定論的政策の政策値と勾配を推定する。 この設定では、密度比が存在しないため、標準重要度サンプリングとポリシー値と勾配の2倍の頑健な推定が失敗する。 異なるカーネル化アプローチに基づく2つの新しい頑健な推定器を提案する。
  論文  参考訳（メタデータ） (2020-06-06T15:52:05Z)

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。