論文の概要: Atomic Motion Coordinate for Language-Steerable and Force-Responsive Manipulation
- arxiv url: http://arxiv.org/abs/2609.15012v2
- Date: Wed, 16 Sep 2026 09:21:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.407983
- Title: Atomic Motion Coordinate for Language-Steerable and Force-Responsive Manipulation
- Title（参考訳）: 言語と力の制御のための原子運動コーディネート
- Abstract要約: 我々は、操舵および力応答操作のための幾何学的接地座標であるAtomic Motion Coordinateを提案する。
各アームは13個の署名された翻訳、回転、保持原子を保有しており、テキストと前方キネマティクスから接地され、視界は保持されない。
AMCは1タスクあたり50回以上の実ロボット試験を行い、OODの果実の進歩は60.5%から87.8%に上昇し、力の適応によってPlug/Vaseは59.0/71.5%から78.5/75.2%に上昇する。
- 参考スコア（独自算出の注目度）: 21.495033730007844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Can changing only the language instruction redirect a VLA policy's end effector, or does the visually driven motion prior dominate? We present Atomic Motion Coordinate, a geometry-grounded coordinate for steerable and force-responsive manipulation. Each arm owns thirteen signed translation, rotation, and hold atoms grounded from text and forward kinematics with vision withheld, and the coordinate is injected into every action-expert block via weighted codebook alignment. Contact history modulates the same coordinate through a bounded spherical residual that is recomputed from a fixed nominal latent to regenerate only the unexecuted horizon suffix. Across 7,520 offline horizon interventions, opposite-atom separation reaches 92.5/83.1% (single/dual) versus 39.1/24.0% for LA4VLA-style. Across 50 real-robot trials per task, AMC raises OOD fruit progress from 60.5% to 87.8%; force adaptation raises Plug/Vase from 59.0/71.5% to 78.5/75.2%.
- Abstract（参考訳）: VLAポリシーのエンドエフェクタをリダイレクトする言語命令のみを変更することができるのか、それとも視覚的に駆動される動作が優先されるのか?
我々は、操舵および力応答操作のための幾何学的接地座標であるAtomic Motion Coordinateを提案する。
各アームは、テキストと前方キネマティクスから接地された原子を13個の署名された翻訳、回転、保持しており、座標は重み付けされたコードブックアライメントによって全てのアクション・エキスパートブロックに注入される。
接触履歴は、固定された名目ラテントから再計算される有界球面残差を通して同じ座標を変調し、実行されていない地平線接尾線のみを再生する。
7,520回のオフライン地平線干渉では、反対原子分離は92.5/83.1%(単数/双数)に達するが、LA4VLAスタイルでは39.1/24.0%に達する。
AMCは1タスクあたり50回以上の実ロボット試験を行い、OODの果実の進歩は60.5%から87.8%に上昇し、力の適応によってPlug/Vaseは59.0/71.5%から78.5/75.2%に上昇する。
関連論文リスト
- GeoTrussRover: Morphological Computation with Contact-Semantic Control Primitives [14.616963248519639]
GeoTrussRoverは、電気的に作動するVGT、車輪付きベース、および接点・接点形態計画と制御を組み合わせる。
フルスペースQPは、適応された動きを追跡し、部材と車輪の誤差を補正する。
結果として生じる低次元表現は、タスク調整を超冗長で負荷を伴う形態に格納し、移動中に再利用する。
論文 参考訳（メタデータ） (2026-09-10T10:48:58Z) - RefGuard: Identity-Aware Language-Guided Robot Manipulation via Joint Target-Anchor-Frame Grounding [11.774477485982958]
RefGuardは、3変数すべてに対して共同で後続を維持することでコミットメントを遅らせるフレームワークである。
実際のUF850アームでは、RefGuardは曖昧性ストレストライアルではIDスイッチを記録せず、その90.0%で正しく実行される。
3200エピソードの手続きスイートでは、ターゲットの前にアンカーとフレームにコミットするアブレーションにおいて、解決可能な命令の正しい実行を56.6%から80.5%に引き上げている。
論文 参考訳（メタデータ） (2026-09-05T18:39:50Z) - GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。
制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。
それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
論文 参考訳（メタデータ） (2026-09-04T17:16:48Z) - SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。
本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。
我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
論文 参考訳（メタデータ） (2026-08-31T17:59:16Z) - GaussianDream++: Efficient 3D Gaussian World Modeling for Robotic Manipulation [55.47130289185285]
VLA(Vision-Language-Action)ポリシーは、高度な言語条件のロボット操作である。
我々は textbfWorld State Tokens と textbfWorld Prediction Tokens を VLA バックボーンに直接挿入する,コンパクトでポリシーネイティブな拡張である textbfMethodname を提示する。
論文 参考訳（メタデータ） (2026-08-26T11:41:55Z) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation [33.046851310859495]
本稿では,DreamTrajectoryについて述べる。
MS-HABでは、軌道誘導は平均的な成功率を32.3%から47.5%に引き上げ、テストタイムの改善を54.8%に引き上げている。
3つの実世界のモバイル操作タスクにおいて、対応する平均成功率は63.3%、81.7%、90.0%である。
論文 参考訳（メタデータ） (2026-08-02T17:02:48Z) - INTACT: Isomorphic Intent-to-Action Learning for Search-Free World Models [10.370234132981677]
INTACT(Intent-To-ACTion)は、アクションラベル付き、報酬なしの軌道をインテント・トゥ・アクションインターフェースに変換するエンドツーエンドのJEPAである。
各トランジションは物理的インテント$z_t+1-z_t$を提供し、将来のゴールはデプロイメントインテント$operatornamesg(z_g)-z_t$を提供する。
公式の4つのLeWMタスクでは、ゼロサーチモデルは85.78%、100.00%、97.67%、97.89に達した。
論文 参考訳（メタデータ） (2026-07-28T17:59:40Z) - CoTinyVLA: Chain-of-Thought Distillation for a Sub-Billion-Parameter Vision-Language-Action Model [7.106499413931612]
CoTinyVLAはQwen3.5-0.8Bのバックボーン上のアクションモデルであり、モデルを大きくすることなく、監督を構造化することで堅牢性を得る。
LIBERO-Plusでは、7つの摂動次元で10,030の摂動タスクをこなし、CoTinyVLAは空間で90.8%、オブジェクトで87.3%、ゴールで86.6%、ロングで80.7%に達した。
論文 参考訳（メタデータ） (2026-07-28T09:24:17Z) - Sparse2Act: Learning Action-Aligned Sparse 3D Representations for Cross-Domain Robot Manipulation [52.00134393320209]
Sparse2Actは、スパースポイントクラウドエンコーダの事前学習のための観測・動作アライメントフレームワークである。
マスク付きスパース3Dトークンは、観察と組み合わせたワークスペース運動の周囲のシーン特徴を整理するために訓練される。
LIBERO-10ベンチマークでは,500ステップの微調整を行い,平均86.9%の成功を達成した。
論文 参考訳（メタデータ） (2026-06-10T23:56:01Z) - OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction [76.44108003274955]
ヒューマノイドロボットの複雑なスキルを教えるための主要なパラダイムは、強化学習ポリシーの運動学的参照として人間の動きを再ターゲットすることである。
インタラクションメッシュに基づくインタラクション保存データ生成エンジンであるOmniRetargetを紹介する。
人間のメッシュとロボットメッシュの間のラプラシアの変形を最小限にすることで、OmniRetargetは運動学的に実現可能な軌道を生成する。
論文 参考訳（メタデータ） (2025-09-30T17:59:02Z)
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。