論文の概要: Harnessing human expertise for high-precision robotic assembly in industrialized construction: A sample-efficient installer-in-the-loop interactive reinforcement learning framework
- arxiv url: http://arxiv.org/abs/2609.13234v1
- Date: Wed, 02 Sep 2026 12:51:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 16:32:15.664423
- Title: Harnessing human expertise for high-precision robotic assembly in industrialized construction: A sample-efficient installer-in-the-loop interactive reinforcement learning framework
- Title（参考訳）: 工業化工事における高精度ロボット組立のための人的専門知識の調和:ループ型インストーラ・イン・ザ・ループ型相互強化学習フレームワーク
- Abstract要約: 寛容な操作における中心的なボトルネックは、インストーラの専門知識をデータ効率の自律性に変換することである。
オフライン遠隔操作型実演を通して専門知識を習得するインストーラ・イン・ザ・ループ対話型強化学習フレームワークを提案する。
非更新ウォームスタートフェーズはオフラインからオンラインへの適応を安定化させる。
- 参考スコア（独自算出の注目度）: 6.5097589318044795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrialized construction imposes stringent precision requirements on robotic assembly of modular components such as prefabricated window units. In tolerance-critical operations, the central bottleneck is not only mechanical clearance but also converting tacit installer expertise into data-efficient autonomy under sparse acceptance feedback, contact variability, and millimeter-scale constraints. We present an installer-in-the-loop interactive reinforcement learning framework that acquires expertise through offline teleoperated demonstrations, sparse event-driven binary takeovers at contact-failure boundaries, and acceptance-aligned terminal rewards, logged under a unified schema for traceable offline-to-online adaptation. A temporally abstract action-sequence policy built on Q-chunking with Flow Q-Learning captures multimodal recovery maneuvers under sparse terminal rewards, while a non-updating warm-start phase stabilizes the offline-to-online transition. The framework is evaluated in MuJoCo across the workflow from suction acquisition through clearance-limited seating, under structured staging and end-to-end randomized placement. Within a defined stress-test regime with 2 mm per-side clearance, bounded pose perturbations, and friction randomization, the pipeline attains 100\% autonomous seating with 12--15 min of cumulative installer supervision over 3.0 h of online training, and reaches the 95\% success milestone in approximately 0.5 h and 1.5 h in the two experiments. We also report wall-clock adaptation time, cumulative takeover minutes, intervention-rate decay, and stage-wise failure attribution to inform supervision budgeting. Ablations isolate the complementary contributions of temporal abstraction, installer intervention, and warm-start value calibration.
- Abstract（参考訳）: 工業化された構造は、プレハブ窓ユニットのようなモジュラーコンポーネントのロボット組み立てに厳密な精度の要求を課している。
寛容クリティカルな操作では、中心的なボトルネックは機械的クリアランスだけでなく、暗黙のインストーラの専門知識を、疎受け入れフィードバック、接触変動性、ミリスケールの制約の下でデータ効率の自律性に変換することである。
本稿では,オフライン遠隔操作によるインストーラ・イン・ザ・ループ型相互強化学習フレームワークを提案する。
Flow Q-Learning を用いた Q-chunking に基づく時間的に抽象的なアクションシーケンスポリシーは、スパース端末報酬の下でのマルチモーダルリカバリ操作をキャプチャし、非更新ウォームスタートフェーズはオフライン-オンライン移行を安定化する。
このフレームワークはワークフロー全体にわたってMuJoCoで評価され、吸引獲得からクリアランス制限席、構造化されたステージングとエンドツーエンドのランダムな配置で評価される。
2 mm/サイドクリアランス、有界ポーズ摂動、摩擦ランダム化の定義されたストレステスト体制の中で、パイプラインは、オンライントレーニングの3.0時間で累積インストーラ監督の12～15分で100\%の自律座席を獲得し、2つの実験で約0.5時間と1.5時間で95\%の成功のマイルストーンに達した。
また,ウォールタイム適応時間,累積テイクオーバ時間,介入率の低下,段階的障害属性を報告し,監督予算の通知を行った。
アブレーションは、時間的抽象化、インストーラ介入、ウォームスタート値キャリブレーションの補完的な貢献を分離する。
関連論文リスト
- A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。
我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。
すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
論文 参考訳（メタデータ） (2026-06-25T16:36:35Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - An ALE-Consistent Graph Neural Operator-Transformer Framework for Fluid-Structure Interaction [0.0]
本稿では,非構造化メッシュの変形予測のための任意のラグランジアン・エレリアン(ALE)一貫性機械学習フレームワークを提案する。
このフレームワークは、シリンダーの起動時のフレキシブルビーム振動のベンチマーク問題である。
論文 参考訳（メタデータ） (2026-05-01T03:36:18Z) - A Multi-Stage Warm-Start Deep Learning Framework for Unit Commitment [0.6999740786886536]
本稿では,72時間水平線上での発電機のコミットスケジュールを予測するための新しい枠組みを提案する。
提案したモデルは、解法のみに依存するよりもシステム全体のコストが低く、実行可能な運用スケジュールに達した。
論文 参考訳（メタデータ） (2026-04-23T17:44:02Z) - LASER: Level-Based Asynchronous Scheduling and Execution Regime for Spatiotemporally Constrained Multi-Robot Timber Manufacturing [0.855073389982913]
木材建設のような領域での大規模製造は、密結合した制約を管理するためにマルチロボットシステムを必要とする。
本稿では,Aスケジュールと実行規則(Level-based A Scheduling and Execution Regime)を紹介する。
木材スラブ製造のためのスクリュープレスグルーイングアプリケーションで実証されたタスクのスケジューリングと実行のための完全なフレームワーク。
論文 参考訳（メタデータ） (2026-03-21T00:18:38Z) - Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。
本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。
具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。
人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
論文 参考訳（メタデータ） (2026-02-10T10:16:27Z) - Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。
この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
論文 参考訳（メタデータ） (2025-10-16T17:28:25Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z)
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。