論文の概要: Towards High-DoF Dexterous Manipulation through VLA Post-Training
- arxiv url: http://arxiv.org/abs/2609.19666v1
- Date: Thu, 17 Sep 2026 04:12:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.097074
- Title: Towards High-DoF Dexterous Manipulation through VLA Post-Training
- Title（参考訳）: VLA後処理による高DoFデキスタラスマニピュレーションに向けて
- Abstract要約: 悪質な手は、信頼できる現実世界の操作に適応することが難しい。
教師付きハンドアクション, 微言語, DAgger, 実世界の強化学習からなる4段階後学習パイプラインを提案する。
報告されたトレーニング後の予算の中で、結果として得られたポリシーは、評価されたタスク毎にタスク毎の20回以上のトライアルで100%の成功を達成する。
- 参考スコア（独自算出の注目度）: 3.663456675235416
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Imitation-learned vision--language--action (VLA) foundation models acquire broad manipulation capabilities by scaling robot data across tasks and embodiments, but reliable deployment on a specific downstream task and hardware platform still requires post-training. Dexterous hands make this adaptation particularly difficult: their broad behavioural repertoire and high degree of freedom create a large and structured action space. Three obstacles are central: open-source VLAs do not natively provide an action interface for high-DoF hands; gesture mismatch during human-gated DAgger takeover creates command discontinuities and contaminates corrective trajectories; and reinforcement learning in the raw joint space is sample-inefficient. We present a unified four-step post-training pipeline comprising a learned temporal hand-action codec, supervised fine-tuning, DAgger, and real-world residual reinforcement learning. The codec adapts a pretrained VLA to absolute dexterous-hand commands. Buffered rollback, pose alignment, and smooth command blending enable continuous, task-relevant DAgger corrections, while latent residual RL confines exploration to coordinated hand motions captured by the codec. We evaluate the pipeline on five diverse real-world tasks spanning bimanual transfer, in-hand reorientation, and tool use. Within the reported post-training budgets, the resulting policies achieve 100\% success on every evaluated task over 20 trials per task. These results provide a practical path for adapting VLA foundation models to reliable real-world dexterous manipulation.
- Abstract（参考訳）: 模倣学習型視覚-言語-アクション(VLA)ファンデーションモデルは、タスクや実施状況にまたがってロボットデータをスケーリングすることで、広範な操作能力を取得するが、特定の下流タスクとハードウェアプラットフォームへの信頼性の高いデプロイメントには、まだポストトレーニングが必要である。
広範囲な行動レパートリーと高度な自由は、大きく構造化された行動空間を作り出す。
オープンソースのVLAは、ハイDoFハンドのアクションインターフェースをネイティブに提供しない、人力によるDAggerの乗っ取り時のジェスチャーミスマッチは、コマンド不連続を発生させ、修正軌道を汚染する、生の関節空間での強化学習は、非効率である。
学習した時間的手動コーデック、教師付き微調整、DAgger、実世界の残留強化学習からなる4段階後学習パイプラインを提案する。
コーデックは、訓練済みのVLAを絶対デキスタラスハンドコマンドに適合させる。
バッファ付きロールバック、ポーズアライメント、スムーズなコマンドブレンディングにより、連続的なタスク関連DAgger修正が可能となり、潜在残差RLはコーデックによって捕獲された手の動きの探索を限定する。
実世界の5つのタスクにおいて、双方向転送、手動リオリエンテーション、ツール使用に関するパイプラインを評価した。
報告されたトレーニング後の予算の中で、結果として得られたポリシは、評価されたタスク毎にタスク毎の20回以上のトライアルで100倍の成功を達成します。
これらの結果は,VLAファンデーションモデルを信頼性の高い実世界のデクスタラスな操作に適用するための実践的な経路を提供する。
関連論文リスト
- HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL [56.014913786737104]
本稿では,HAF(Humanoid Adaptation Framework)を導入し,市販の汎用VLAファンデーションモデルをヒューマノイド全体のロコ操作に転送する。
HAF-VLAは、事前訓練されたフローマッチングVLA上に構築された階層型アクションフロージェネレータである。
HaF-Steerは、フローマッチングの可逆性とDCTに基づく次元削減を活用する、オフラインからオフラインまでの潜時パイプラインである。
論文 参考訳（メタデータ） (2026-08-17T17:22:33Z) - LAMP: Latent Motion Prior-Guided Real-World Learning for Dexterous Hand Manipulation [39.42195733137399]
高次元手動作は模倣誤りを増幅し、強化学習探索を接触破壊運動にもたらす。
我々は、最近のハンドアクション履歴をコンパクトで履歴条件付き潜在モジュールにマッピングする潜在動作先行モジュールを導入する。
Methodは実世界の3段階のデクスタス学習フレームワークで、デモから事前訓練し、ビジュモータポリシーをトレーニングし、オンライン残留RLでポリシーを改善する。
論文 参考訳（メタデータ） (2026-07-07T14:22:31Z) - Jump-Start Reinforcement Learning with Vision-Language-Action Regularization [1.2599533416395767]
強化学習(RL)は、ロボット操作のための高周波閉ループ制御を可能にする。
現在の制限は、高速かつ正確な操作において直接の使用を妨げる。
探索と学習効率を向上させるために,VLAJS(Vision-Language-Action Jump-Starting)を提案する。
論文 参考訳（メタデータ） (2026-04-15T11:17:54Z) - DexHiL: A Human-in-the-Loop Framework for Vision-Language-Action Model Post-Training in Dexterous Manipulation [14.050551792714083]
ヒューマン・イン・ザ・ループ(HiL)学習は、ロボットポリシーを洗練するための強力なメカニズムであることが証明されている。
DexHiLはDexterous VLAモデルのための最初の統合アームハンドヒューマン・イン・ザ・ループ・フレームワークである。
論文 参考訳（メタデータ） (2026-03-10T02:55:27Z) - Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。
我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。
我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
論文 参考訳（メタデータ） (2026-03-09T09:02:30Z) - Towards Long-Lived Robots: Continual Learning VLA Models via Reinforcement Fine-Tuning [34.29473529235131]
LifeLong-RFTは、VLAモデルの簡易かつ効果的な強化微細チューニング(RFT)戦略である。
LifeLong-RFTは、チャンキングレベルのオンライン強化学習と、提案した多次元プロセスリワード(MDPR)機構を統合する。
本手法は,SFTよりも平均成功率を22%向上させると同時に,トレーニングデータの20%のみを用いて,新たなタスクに効果的に適応する。
論文 参考訳（メタデータ） (2026-02-11T04:05:03Z) - VLS: Steering Pretrained Robot Policies via Vision-Language Models [31.189909515514668]
Vision-Language Steering (VLS)は、凍結生成ロボットポリシーの推論時間適応のためのトレーニング不要フレームワークである。
VLSは、適応を推論時間制御問題として扱い、事前訓練された拡散またはフローマッチングポリシーのサンプリングプロセスを操る。
論文 参考訳（メタデータ） (2026-02-03T19:50:16Z) - On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。
現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。
本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
論文 参考訳（メタデータ） (2026-01-11T01:51:30Z) - Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。
我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2025-12-02T14:42:54Z) - Align-Then-stEer: Adapting the Vision-Language Action Models through Unified Latent Guidance [63.33213516925946]
textbfAlign-Then-stEer(textttATE)は,新しいデータ効率,プラグアンドプレイ適応フレームワークである。
我々の研究は、新しいロボットプラットフォームやタスクにVLAモデルをデプロイする実用性を大幅に向上させる、汎用的で軽量なソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-02T07:51:59Z)
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。