論文の概要: VLBiMan++: Expanding the Generalization Boundary of Vision-Language Anchored One-Shot Bimanual Manipulation

• arxiv url: http://arxiv.org/abs/2609.14310v1
• Date: Sun, 13 Sep 2026 06:10:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.789151
• Title: VLBiMan++: Expanding the Generalization Boundary of Vision-Language Anchored One-Shot Bimanual Manipulation
• Title（参考訳）: VLBiMan++: Anchored One-Shot Bimanual Manipulationの一般化境界の拡張
• Abstract要約: 汎用的な双方向ロボット操作には、ますます多様なタスクにまたがる再利用可能なタスクが必要である。 VLBiMan++は、視覚言語でアンカーされたワンショットバイマニュアル操作の一般化境界を拡張する拡張フレームワークである。
• 参考スコア（独自算出の注目度）: 45.119825915419064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalizable bimanual robotic manipulation requires a reusable task prior that can persist across increasingly diverse tasks, objects, scenes, embodiments, and execution conditions, thus avoiding the prohibitive cost of large-scale teleoperated demonstrations and policy retraining. In this work, we present VLBiMan++, an extended framework that expands the generalization boundary of vision-language anchored one-shot bimanual manipulation. Starting from a single human demonstration, VLBiMan++ performs task-aware decomposition to identify reusable and adaptable skill components, and employs vision-language grounded geometric adaptation to transfer these skills to novel configurations without retraining. Building on this foundation, we systematically extend generalization along five dimensions: task generalization through diverse and long-horizon skill compositions; object generalization across unseen categories, varying geometries, and more complex articulated or deformable objects; scene generalization under clutter, occlusion, and dynamic interference; embodiment generalization across heterogeneous dual-arm robotic platforms; and deployment generalization through prolonged closed-loop execution under repeated external perturbations. To support this broader scope, we further introduce object-state-aware adaptation and lightweight trajectory optimization mechanisms that accommodate changes beyond simple rigid 6-DoF pose variations while preserving reliable bimanual coordination. Extensive real-world experiments demonstrate that VLBiMan++ maintains strong task success and adaptation capability across these increasingly challenging settings. Overall, VLBiMan++ advances one-shot bimanual manipulation from demonstrating isolated transferability toward a more systematic and scalable framework for generalization across tasks, objects, scenes, embodiments, and long-term deployment conditions.
• Abstract（参考訳）: 汎用的な双対ロボット操作には、ますます多様なタスク、オブジェクト、シーン、実施条件、実行条件にまたがる再利用可能なタスクが必要であるため、大規模な遠隔操作による大規模なデモンストレーションやポリシーの再訓練の禁止コストを回避する必要がある。 本稿では,視覚言語に固定されたワンショットバイマニュアル操作の一般化境界を拡張する拡張フレームワークであるVLBiMan++を提案する。 単一の人間のデモから始めて、VLBiMan++は、再利用可能な、適応可能なスキルコンポーネントを特定するためにタスク認識分解を実行し、視覚言語に基づく幾何学的適応を使用して、これらのスキルをトレーニングすることなく、新しい構成に転送する。 この基盤を基盤として,多種多様・長期のスキル構成によるタスクの一般化,未確認のカテゴリによるオブジェクトの一般化,さまざまなジオメトリー,さらに複雑な調音・変形可能なオブジェクトのオブジェクトの一般化,乱雑・閉塞・動的干渉によるシーンの一般化,異種二足ロボットプラットフォーム間のエンボデーメントの一般化,外乱を繰り返した閉ループ実行によるデプロイメントの一般化の5つの側面を体系的に拡張した。 この広い範囲をサポートするために、我々は、信頼性の高い双方向調整を維持しながら、単純な剛性6-DoFポーズのバリエーションを超える変化に対応する、オブジェクト指向適応と軽量な軌道最適化機構をさらに導入する。 大規模な実世界の実験では、VLBiMan++は、これらのますます困難な設定に対して、強いタスク成功と適応能力を維持している。 全体として、VLBiMan++は、タスク、オブジェクト、シーン、実施条件、長期展開条件をまたいで一般化する、より体系的でスケーラブルなフレームワークへの、分離された転送可能性の実証から、ワンショットのバイマニュアル操作を推進している。

関連論文リスト

• Dynamics-Aware Meta-Imitation for Generalization to Unseen Robotic Manipulation [17.382238044141783]
  本稿では,ロボットのデモンストレーションからスキルを学ぶためのフレームワークを提案する。 メタラーニングを統合して共有スキルスペースを構築することで、DAMIは新しいタスクに迅速に適応するためのエージェントを提供する。 我々の手法は、目に見えるタスクの直接推論と目に見えないタスクへの適応に関して、最先端のベースラインより優れています。
  論文  参考訳（メタデータ） (2026-07-17T11:50:03Z)
• Task Editing for Generalizable 3D Visuomotor Policy Learning [50.590696755853365]
  3Dビジュモータポリシーは、深度マップと点雲が空間的推論のための豊富な幾何学的情報を提供するため、複雑なロボット操作に有望な方向を提供する。 既存の手法では、人間中心のデモにオブジェクト中心の変換を適用することで、データ効率を改善するためにデモ生成戦略が一般的である。 本稿では,タスク中心の編集の観点から多様な軌道を生成する新しいデモ生成フレームワークであるTask-Editを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:54:49Z)
• OneVLA: A Unified Framework for Embodied Tasks [42.816376426057275]
  ナビゲーションと操作は インテリジェンスの基本能力だ OneVLAは、これらの異なるタスクを単一の凝集性フレームワークに統合する統一アーキテクチャである。 シミュレーションと実世界の両方の環境での実験は、OneVLAが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-05-31T13:43:23Z)
• PrimitiveVLA: Learning Reusable Motion Primitives for Efficient and Generalizable Robotic Manipulation [50.8450025321217]
  Vision-Language-Action(VLA)モデルは、汎用的なロボットポリシーに有望なパラダイムを提供する。 これらのボトルネックは、一般的なダイレクトインストラクション・トゥ・コントロルマッピング(Direct Instruction-to-Control Mapping)に由来すると我々は主張する。 本稿では,このパラダイムをPrimitive-Centric Disassemble & AssembleパラダイムにシフトさせるフレームワークであるPrimitiveVLAを提案する。
  論文  参考訳（メタデータ） (2026-05-27T15:41:18Z)
• InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions [58.329946838699044]
  人間は、明示的な全身運動のレベルで、物体と全身の相互作用を計画することは滅多にない。 このような事前のスケーリングは、ヒューマノイドがロコ操作スキルの構築と一般化を可能にする鍵となる。 我々は,強化学習による大規模模倣事前学習とポストトレーニングを通じて,統合生成コントローラを学習するフレームワークであるInterPriorを紹介する。
  論文  参考訳（メタデータ） (2026-02-05T18:59:27Z)
• Bridge Thinking and Acting: Unleashing Physical Potential of VLM with Generalizable Action Expert [60.88976842557026]
  VLM(Vision-Language Models)は、優れた計画と推論能力を示している。 最近の二重系アプローチは「思考」と「行動」を分離しようとする 一般化可能なアクションエキスパートを中心としたフレームワークを紹介します。
  論文  参考訳（メタデータ） (2025-10-04T18:33:27Z)
• ODYSSEY: Open-World Quadrupeds Exploration and Manipulation for Long-Horizon Tasks [46.676862567167625]
  ODYSSEYは、マニピュレータを備えたアジャイル四足ロボットのための統合モバイル操作フレームワークである。 言語条件付きタスクにおける自我中心的認識の課題に対処するために,視覚言語モデルを用いた階層型プランナを導入する。 コントロールレベルでは、新しい全身政策は、挑戦的な地形をまたいだ堅牢な協調を実現する。
  論文  参考訳（メタデータ） (2025-08-11T17:54:31Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)

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。