論文の概要: Residual Fault Adaptation for Dexterous In-Hand Manipulation Under Runtime Joint Faults

• arxiv url: http://arxiv.org/abs/2609.17404v1
• Date: Tue, 15 Sep 2026 16:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.620056
• Title: Residual Fault Adaptation for Dexterous In-Hand Manipulation Under Runtime Joint Faults
• Title（参考訳）: 破壊的手指操作における残差適応法
• Abstract要約: 本稿では,隠れたコマンドチャネル障害を補うための残差故障適応(RFA)を提案する。 RFAは凍結した健康な教師を保ち、名目上の行動を提供し、修正行動を推測するために繰り返し残る政策を訓練する。 ディクスタラスハンドのシミュレーション実験は、RFAが健康政策と比較して操作性能を向上させることを示唆している。
• 参考スコア（独自算出の注目度）: 7.30960183218258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dexterous in-hand manipulation requires coordinated control of multiple actuated joints, and a runtime joint fault can abruptly disrupt the contact configuration required for successful manipulation. In this work, we propose residual fault adaptation (RFA), a teacher-anchored framework for compensating for hidden command-channel faults. RFA retains a frozen healthy teacher to provide nominal behavior and trains a recurrent residual policy to infer corrective actions from proprioceptive and command-response history. During training, fault-injection domain randomization (FIDR) varies the fault mode, affected joint, severity, and onset time, while adaptive sampling increases the frequency of fault modes associated with lower recent performance. A frozen Direct FIDR policy provides a distributional reference only on fault-active training samples and is absent from deployment. The deployed controller receives neither fault labels nor controller-switching signals. Simulation experiments on the dexterous hand indicate that RFA can improve manipulation performance relative to the healthy policy under a fixed mixed-fault protocol. Real-robot experiments with software-injected faults further demonstrate zero-shot deployment of the learned adaptation policy.
• Abstract（参考訳）: 不安定な手動操作は、複数の作動する関節の協調制御を必要とし、実行時の関節障害は、操作を成功させるために必要な接触構成を突然破壊する可能性がある。 本研究では,隠れたコマンドチャネル障害を補うための教師支援フレームワークである残留障害適応(RFA)を提案する。 RFAは、凍結した健康な教師を保ち、名目上の行動を提供し、反復的な残留ポリシーを訓練し、予防的および命令応答の歴史から修正行動を推測する。 トレーニング中、フォールトインジェクションドメインランダム化(FIDR)は、障害モード、影響を受ける関節、重大度、オンセット時間を変化させる一方、適応サンプリングは、最近の低いパフォーマンスに関連する障害モードの頻度を増加させる。 凍結されたダイレクトFIDRポリシーは、フォールトアクティブなトレーニングサンプルのみに分散参照を提供し、デプロイメントを欠いている。 配置されたコントローラは、フォールトラベルもコントローラスイッチング信号も受信しない。 厳密な手によるシミュレーション実験により、RFAは、固定された混合フォールトプロトコルの下での健全なポリシーに対して、操作性能を向上させることができることが示された。 ソフトウェア注入障害を用いた実ロボット実験は、学習した適応ポリシーのゼロショット展開をさらに実証する。

関連論文リスト

• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• ORPA: Online Residual Policy Adaptation for Robot Manipulation Control with Human Feedback [1.711436622393758]
  オンライン残留ポリシー適応(英語: Online Residual Policy Adaptation、ORPA)は、ロボット行動のフィードバック駆動による修正を可能にするフレームワークである。 ORPAは事前訓練された制御ポリシーを軽量でフィードバック条件付きモジュールで拡張し、関節空間内での残留調整を直接予測する。 ORPAをALOHAプラットフォームを用いて精度の高い操作タスクのセットで評価し、ベースライン制御ポリシやルールベースの逆運動学補正と比較して、小さな摂動による成功率と回復率の改善を実証した。
  論文  参考訳（メタデータ） (2026-08-18T03:30:12Z)
• SAFECAST: Robust Failure Detection for VLA Policies with Contrast-Set Training and Calibration [9.238827766981291]
  コントラストセットの摂動を利用して、隠れ状態プローブのトレーニングと展開時間シフトの校正を改善するSAFECASTを導入する。 SAFECASTは、データ増大に視覚的・言語的コントラストセットの摂動を用いる場合が最も有用であり、コントラストセットの摂動では、sim-to-realキャリブレーションが実際のロールアウトデータのみを使用するよりも優れたプローブをもたらす。
  論文  参考訳（メタデータ） (2026-08-04T21:57:03Z)
• LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL [64.4276583943816]
  検証不能な指導のための強化学習は、報酬信号としてプロンプト固有のルーリックを持つ裁判官に依存している。 最近の手法は、トレーニング中にこれらのルーリックを進化するポリシーに適応させるが、トレーニングのプロンプト自体は静的のままである。 この静的なアプローチは、しばしば急激な困難と政策能力の間に重大なミスアライメントをもたらし、裁判官は差別的な報酬信号を取り戻すことができない。
  論文  参考訳（メタデータ） (2026-07-05T17:05:13Z)
• Reinforcement Learning with Inner-loop Dynamics Estimator for Aerial Manipulation under Uncertainty [0.560928143828791]
  本稿では,Reinforcement Learning (RL) と内部ループ力学推定器を組み合わせた階層型制御フレームワークを提案する。 本研究では, 各種ペイロード条件下でのハードウェア実験により, 3DoFマニピュレータを備えたカスタム四極子に対する提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2026-06-15T12:16:01Z)
• Set-Supervised Diffusion Policy: Learning Action-Chunking Diffusion through Corrections [25.961145214027255]
  拡散ポリシーは、ロボットの望ましくない行動と人間の教師の矯正行動の形でペア化された監督を提供する。 提案するSDP(Set-Supervised Diffusion Policy)は,コントラッシブなアクションチャンクデータを用いて,人間の修正から拡散ポリシーを訓練する新しい学習フレームワークである。 SDPは、特にノイズの多いデータに対するロバスト性において、ポリシーパフォーマンスを継続的に改善する。
  論文  参考訳（メタデータ） (2026-06-01T08:14:38Z)
• Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors [0.0]
  本稿では、2つのコントローラの出力を融合させるROS2ネイティブ仲裁モジュールを提案する。 各制御ステップにおいて、両コントローラはAckermannコマンドを提案し、PPO訓練されたポリシーはコンパクトな特徴観察から連続ゲートを予測する。 本研究は,計画レベルの相互作用推論の代替としてではなく,モジュール型ROS2環境でのコマンドレベルのロバスト性評価を意図している。
  論文  参考訳（メタデータ） (2026-03-28T14:09:55Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)

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。