論文の概要: WorldContact: A Contact-Centric World Model for Scalable Robot Learning

• arxiv url: http://arxiv.org/abs/2609.19600v1
• Date: Thu, 17 Sep 2026 02:27:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.070562
• Title: WorldContact: A Contact-Centric World Model for Scalable Robot Learning
• Title（参考訳）: WorldContact: スケーラブルなロボット学習のためのコンタクト中心世界モデル
• Abstract要約: WorldContactは、変形可能なオブジェクト操作のための接触中心の世界モデルである。 原数値シミュレータよりも大きな時間ステップを用いてオブジェクトのダイナミクスを予測する。 1つのH100 GPUのステートロールアウト測定は、ソースシミュレータよりも10倍のスピードアップを示している。
• 参考スコア（独自算出の注目度）: 63.61204799366772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adapting robots to new objects and tasks requires interaction experience that can be costly to obtain. We present WorldContact, a contact-centric world model for deformable-object manipulation, constructed from a limited set of high-quality trajectories to generate additional training data efficiently. It predicts object dynamics using larger time steps than the source numerical simulator, which requires small integration steps to resolve rapid motion and prevent interpenetration. We evaluate WorldContact across 16 shopping-bag manipulation tasks. State-rollout measurements on a single H100 GPU show a $10\times$ speedup over the source simulator, excluding rendering and disk I/O. We use the generated data to fine-tune an existing vision-language-action policy and deploy it directly on a real robot. In bag lifting, the same policy achieves 65% single-attempt success when fine-tuned on source simulation data alone, compared with 95% when fine-tuned on the dataset expanded with WorldContact. These results support efficient data generation with WorldContact for robot policy adaptation.
• Abstract（参考訳）: ロボットを新しいオブジェクトやタスクに適応させるには、コストがかかるインタラクションエクスペリエンスが必要です。 本稿では,変形物体操作のための接触中心世界モデル WorldContact について述べる。 高速な動きを解消し、相互接続を防止するために、小さな積分ステップを必要とする、ソース数値シミュレータよりも大きな時間ステップを用いてオブジェクトのダイナミクスを予測する。 我々は16のショッピングバッグ操作タスクでWorldContactを評価した。 1つのH100 GPUのステートロールアウト測定は、レンダリングとディスクI/Oを除いて、ソースシミュレータよりも10\times$のスピードアップを示している。 生成したデータを用いて、既存の視覚言語アクションポリシーを微調整し、実際のロボットに直接デプロイする。 袋持ち上げにおいて、同じポリシーは、ソースシミュレーションデータのみに微調整された場合の65%の成功を達成し、WorldContactでデータセットに微調整された場合の95%と比較した。 これらの結果は、ロボットポリシー適応のためのWorldContactによる効率的なデータ生成を支援する。

関連論文リスト

• RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation [48.828787848144806]
  本稿では,実際のロボットを生成世界モデルに置き換えることで,物理的な制約からデータ収集を分離するパラダイムであるデジタル遠隔操作を紹介する。 我々は、このパラダイムをRynnWorld-Teleopでインスタンス化する。これは、深度対応の骨格条件、ビデオ拡散変換器におけるプログレッシブな人間とロボットのトレーニング、自動回帰蒸留を統合するシステムである。 このパイプラインは生成プロセスを単一パスの推論に圧縮し、単一のH100 GPU上で40以上のFPS、リアルタイムインタラクティブな生成を可能にする。
  論文  参考訳（メタデータ） (2026-07-07T17:58:11Z)
• OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation [51.37436817948304]
  OASISはヒューマノイドのロコ操作のためのシミュレーションデータ駆動のフレームワークである。 3次元生成モデルを用いて実世界の画像から現実的なオブジェクト資産を再構築する。 ゼロショットデプロイメントでは、実際のロボット遠隔操作データでトレーニングされたタスクよりも、ほとんどのタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-06-07T10:01:53Z)
• SIMPLE: Simulation-Based Policy Learning and Evaluation for Humanoid Loco-manipulation [33.50539650112054]
  本稿では,ヒューマノイド政策学習と評価のための統一シミュレーションであるSIMPLEを提案する。 SIMPLEは、MuJoCoの正確な接触リッチなダイナミクスとIsaacSimのレンダリングを結合する。 60の多様なボディタスク、50の屋内シーン、1000以上のオブジェクトアセットからなる大規模な環境を提供する。
  論文  参考訳（メタデータ） (2026-06-06T17:55:43Z)
• ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
  本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。 提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。 我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2026-04-13T12:25:45Z)
• SoftMimicGen: A Data Generation System for Scalable Robot Learning in Deformable Object Manipulation [45.71119158785489]
  我々は、変形可能なオブジェクト操作タスクのための自動データ生成パイプラインであるSoftMimicGenを紹介する。 本稿では,多種多様な変形可能な物体を含む高忠実度シミュレーション環境について紹介する。 我々はSoftMimicGenを適用し、タスクスイート全体にわたってデータセットを生成し、データからハイパフォーマンスなポリシーをトレーニングし、データ生成システムを体系的に分析する。
  論文  参考訳（メタデータ） (2026-03-26T17:58:40Z)
• Interactive World Simulator for Robot Policy Training and Evaluation [21.481187472784047]
  ロボットインタラクションデータセットからインタラクティブな世界モデルを構築するためのフレームワークであるInteractive World Simulatorを提案する。 我々の実験では、学習された世界モデルが相互作用に一貫性のあるピクセルレベルの予測を生成する。 我々は,世界モデル生成データに基づいてトレーニングされたポリシーが,同じ量の実世界のデータでトレーニングされたポリシーと相容れないことを発見した。
  論文  参考訳（メタデータ） (2026-03-09T16:13:32Z)
• VLAW: Iterative Co-Improvement of Vision-Language-Action Policy and World Model [87.75549463328836]
  本研究の目的は、反復的なオンラインインタラクションにより、視覚言語アクション(VLA)モデルの性能と信頼性を向上させることである。 本稿では,実世界のロールアウトデータを用いて,世界モデルの忠実度を向上する簡易な反復改善アルゴリズムを提案する。 基本方針よりも39.2%の絶対成功率向上と、生成した合成ロールアウトによるトレーニングによる11.6%の改善を実現している。
  論文  参考訳（メタデータ） (2026-02-12T15:21:47Z)
• Sim-and-Real Co-Training: A Simple Recipe for Vision-Based Robotic Manipulation [40.96453435496208]
  本稿では,視覚に基づくロボット操作課題を解決するためにシミュレーションデータを利用する手法を提案する。 ロボットアームとヒューマノイドの2つの領域を用いて,シミュレーションデータにより実世界のタスク性能を平均38%向上させることができることを示した。
  論文  参考訳（メタデータ） (2025-03-31T17:39:38Z)

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。