論文の概要: ForceDelta-VLA: Distilling Force-Conditioned ActionCorrections for Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2609.18242v1
- Date: Wed, 16 Sep 2026 07:20:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.689022
- Title: ForceDelta-VLA: Distilling Force-Conditioned ActionCorrections for Contact-Rich Manipulation
- Title（参考訳）: ForceDelta-VLA: コンタクトリッチマニピュレーションのための蒸留型動作補正
- Abstract要約: 本稿では,明示的な力補正ターゲットを構成する補正蒸留フレームワークであるForceDelta-VLAを提案する。
別個の遅延補正ターゲットは、参照-アクションミスマッチと参照状態の変化を考慮に入れている。
我々は、ForceDelta-VLAが、オリジナルのForceVLAベースラインの54.4%に比べて82.2%の平均的な成功率を達成したことを示す。
- 参考スコア（独自算出の注目度）: 18.49300929610963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Force-aware Vision-Language-Action (VLA) policies improve contact-rich manipulation, but typically combine task-level motion and contact-dependent adjustment in a single action prediction. Demonstrations provide no explicit labels for decomposing that prediction into a reusable reference action and a correction. We present ForceDelta-VLA, a correction-distillation framework that constructs an explicit force-correction target using paired predictions from a frozen teacher's force-conditioned and learned force-agnostic modes. A separate delay-correction target accounts for reference-action mismatch and the change in reference state. Training uses asynchronous schedule replay with the cached task context available during execution. The resulting lightweight policy adjusts the reference actions using recent force history and robot state, responding to contact changes between reference-action updates without regenerating complete action chunks. Across nine single-arm and bimanual contact-rich tasks, ForceDelta-VLA achieves an 82.2% mean success rate, compared with 54.4% for the original ForceVLA baseline. Direct execution of our Stage-1 Temporal Teacher achieves 70.6%. Relative to ForceVLA, the complete system reduces mean peak contact force over successful trials by approximately 26% on both platforms.
- Abstract（参考訳）: VLA(Force-aware Vision-Language-Action)ポリシーは、コンタクトリッチな操作を改善するが、通常、タスクレベルの動きとコンタクト依存の調整を単一のアクション予測で組み合わせる。
デモでは、その予測を再利用可能な参照アクションと修正に分解するための明確なラベルは提供されていない。
本稿では,凍結した教師の強制条件と学習した強制非依存モードからの対の予測を用いて,明示的な力補正ターゲットを構築する補正蒸留フレームワークであるForceDelta-VLAを提案する。
別個の遅延補正ターゲットは、参照-アクションミスマッチと参照状態の変化を考慮に入れている。
トレーニングでは、実行中に利用可能なキャッシュされたタスクコンテキストで非同期スケジュールリプレイを使用する。
その結果得られた軽量なポリシーは、参照アクションを最近の力履歴とロボットの状態を使って調整し、完全なアクションチャンクを再生することなく、参照アクション更新間の接触変化に応答する。
ForceDelta-VLAは9つの単発と双発の接触量の多いタスクで平均82.2%の成功率を達成したが、ForceVLAのベースラインは54.4%だった。
第1段階の時間教師の直接実行は70.6%に達する。
ForceVLAとは対照的に、完全なシステムは両方のプラットフォームで成功した試験よりも平均ピーク接触力を約26%削減する。
関連論文リスト
- ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models [40.14720118215973]
アクショントークンーは自己回帰視覚アクション(VLA)モデルにおいて中心的な役割を果たす。
トークン化が再建後の局所的物理的距離ランキングをどれだけよく保存するかを測定するために,身体的ランクの整合性(PRC)を導入する。
本稿では,表現学習と量子化の連携による身体行動関係の保存を行うActionPieceを提案する。
論文 参考訳（メタデータ） (2026-09-16T11:19:54Z) - ICI-VLA: In-Context Imitation with Spatiotemporally Aligned Demonstrations for Vision-Language-Action Models [9.31323513616827]
ICI-VLA(ICI-VLA)は、テキストアクション型VLMと、インテキストによる実演によるテスト時間適応機能を備えたトレーニング・検索フレームワークである。
ICI-VLAは、オフライントレーニング中のみパラメータを更新する。
論文 参考訳（メタデータ） (2026-09-07T14:55:35Z) - EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。
共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文 参考訳（メタデータ） (2026-09-01T14:14:47Z) - ViTaR: Visuo-Tactile Residual Adaptation for Foundation VLA Manipulation [4.374415463111511]
動作生成型知覚入力から実行変調器への触覚フィードバックを再構成するViTaRを提案する。
接点の多い7つのタスクにまたがるUniVTACベンチマークでは、ViTaRは平均61.3%の成功を達成し、凍結したVLAベースよりも30.6ポイント改善された。
論文 参考訳（メタデータ） (2026-08-16T15:46:11Z) - PhaseLoRA: Control-Regime-Conditioned Low-Rank Adaptation for Continuous-Action Vision-Language-Action Policies [74.07190331264488]
本稿では,アクションチャンク予測ステップ毎に条件適応を行う軽量なLoRAパラメータ化を提案する。
PhaseLoRAはアクションエキスパートのLoRA左ファクタを変調し、有効な低ランク更新方向を時間とともに変更する。
その結果、連続的なVLAポリシーのための効果的な軽量PEFT軸として、軌道内コンディショニングが確立された。
論文 参考訳（メタデータ） (2026-08-15T15:32:08Z) - CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。
本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。
RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
論文 参考訳（メタデータ） (2026-07-29T11:31:33Z) - AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。
本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。
LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
論文 参考訳（メタデータ） (2026-04-20T04:25:24Z) - ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。
学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。
実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-03-16T12:03:58Z) - PhaForce: Phase-Scheduled Visual-Force Policy Learning with Slow Planning and Fast Correction for Contact-Rich Manipulation [25.000758938670064]
PhaForceは、低レートのチャンクレベルの計画と高レートの残差補正を調整する、位相スケジューリングされた視覚力ポリシーである。
複数の実ロボットとの接触が豊富なタスクの中で、PhaForceは平均86%の成功率を達成した。
論文 参考訳（メタデータ） (2026-03-09T13:03:29Z) - ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
ForceVLAは、新しいエンドツーエンド操作フレームワークである。
外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
論文 参考訳（メタデータ） (2025-05-28T09:24:25Z)
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。