論文の概要: Imagine-TAMP: Imagination-Guided Task and Motion Planning in Partial Observability

• arxiv url: http://arxiv.org/abs/2609.20396v1
• Date: Thu, 17 Sep 2026 13:44:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.293178
• Title: Imagine-TAMP: Imagination-Guided Task and Motion Planning in Partial Observability
• Title（参考訳）: 想像-TAMP: Imagination-Guided Task and Motion Planning in partial Observability
• Abstract要約: imagine-TAMPはタスクレベルの戦略のためのインターリーブな計画および実行フレームワークである。 視覚言語モデルは、ターゲット位置に対する粒子の信念を形成する。 生成的シーンモデルは、観測されていない領域における可塑性幾何を推定する。 実験により、想像力による評価が観察と操作の意思決定を改善することが示された。
• 参考スコア（独自算出の注目度）: 2.624902795082451
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots operating in cluttered environments must often manipulate objects whose locations are only partially observable. A central challenge is deciding whether to acquire another observation or to first manipulate objects that may occlude the target. Conventional task and motion planning (TAMP) approaches typically make this decision using symbolic action costs or expensive geometric planning, neither of which adequately captures how likely an observation is to reveal an occluded target. We introduce Imagine-TAMP, an interleaved planning and execution framework that uses semantic and geometric imagination to compare alternative task-level strategies under partial observability before committing to expensive motion planning. A vision-language model shapes a particle belief over target locations using commonsense relationships between the target and visible objects, while a generative scene model estimates plausible geometry in unobserved regions. Given a target hypothesis and imagined scene, Imagine-TAMP generates multiple symbolic plan skeletons and assigns non-unit costs that approximate both manipulation effort and target visibility from sensing actions, distinguishing a short but poorly informative observation strategy from a longer strategy that first manipulates an occluder to better expose the target. The selected skeleton is then refined into a feasible continuous plan and executed, with new observations updating the belief and triggering replanning when necessary. Experiments show that imagination-guided evaluation improves observation-versus-manipulation decisions: in viewpoint-constrained shelf scenes, non-unit geometric evaluation increases success from 46.0% to 84.0%, while semantic belief shaping further reduces manipulation and replanning. On a real robot, the complete system reduces planning time by 32% relative to a geometry-only ablation.
• Abstract（参考訳）: 散らかった環境で動くロボットは、部分的にしか観測できない物体を操作する必要がある。 中心的な課題は、別の観察を取得するか、ターゲットを妨げる可能性のあるオブジェクトを最初に操作するかを決定することである。 従来のタスク・アンド・モーション・プランニング(TAMP)アプローチは、一般的にこの決定を象徴的な行動コストや高価な幾何学的計画を用いて行う。 本研究では,意味的および幾何学的想像力を用いたインターリーブ計画・実行フレームワークであるImagine-TAMPを紹介する。 視覚言語モデルは、対象物と可視物の間の常識的関係を用いて、対象地に対する粒子の信念を形作り、生成的シーンモデルは、観測されていない領域における可視的幾何学を推定する。 ターゲット仮説と想像上のシーンが与えられた後、Imagine-TAMPは複数のシンボリックプランの骨格を生成し、触覚行動から操作の労力と目標視認性の両方を近似する非ユニットコストを割り当てる。 選択された骨格は、実行可能な連続的な計画に洗練され、新しい観察によって信念が更新され、必要に応じて再計画が引き起こされる。 視界制約のある棚のシーンでは、非単位の幾何学的評価が46.0%から84.0%に向上し、セマンティックな信念の形成はさらに操作と再設計を減らす。 実際のロボットでは、完全なシステムは幾何学のみのアブレーションと比較して計画時間を32%短縮する。

関連論文リスト

• CST-WM: A Causally Structured World Model for Embodied Visual Tracking [9.902564083063973]
  身体的な視覚的追跡には、移動対象の将来の証拠を保存または回収する行動を選択するロボットが必要である。 CST-WMは潜伏状態を標的証拠、ロボット、観察枝に分解する。 1つの計画フレームワークで、安定したフォローと一時的なターゲット再獲得の両方をサポートする。
  論文  参考訳（メタデータ） (2026-09-05T23:24:32Z)
• Does Latent Planning Survive Point Clouds? Action-Conditioned JEPA World Models for Geometric Observations [0.0]
  JEPAワールドモデルは、ラテントスペースを制御するための実用的なルートにします。 0.3-15%のシーンポイントが移動し,3次元自己監督の幾何学的ショートカットによる潜伏予測化合物の時間的最適度が向上した。 標準的なJEPA設計を3つ挙げて、クラウド、フリーズエンコーダ、分散プライア、アクションセンシティブ、および安定なワールドモデルベンチマークを再センスします。
  論文  参考訳（メタデータ） (2026-08-29T20:41:41Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Joint Discovery of Object and Action Symbols through Effect Prediction for Robotic Manipulation Planning [1.4701783773624093]
  本稿では,ハイレベルな操作プリミティブとオブジェクトカテゴリを共同で発見するモデルを提案する。 我々は、予測効果軌道の中間ステップを用いて、部分的な動作実行を可能にする離散的な計画手法を利用する。 我々はテーブルトップ再配置および積み重ね作業の実験を行い、我々の効果駆動型計画手法が最先端の手法と視覚に基づく代替案の両方より優れていることを確認した。
  論文  参考訳（メタデータ） (2026-06-22T11:58:11Z)
• ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation [71.69632267962993]
  我々は、操作計画が自然に予測に分解され、次の視覚状態が予測され、逆ダイナミクスとなることを論じる。 我々は、この分解を実現する生成モデルである textbfThinkingVLA を提案する。 シミュレーションと実世界のベンチマークの実験では、ThinkingVLAは最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-16T13:45:17Z)
• Motion-Uncertainty-Aware Next-Best-View Planning for Moving Object Reconstruction [13.309411974709574]
  本研究では、平面運動中の未知の剛体物体を再構成するための運動不確実性を考慮したNBVフレームワークを提案する。 この予測的信念を得るために、固定ラグガウス過程はよりスムーズな推定を行い、ノイズのある位置測定から対象状態を予測する。 得られた信念は、予測対象位置に関する候補視点を生成し、到達可能性によってそれらをフィルタリングし、予測されるカバレッジ駆動スコアを推定するために使用される。
  論文  参考訳（メタデータ） (2026-05-17T18:45:38Z)
• Reimagination with Test-time Observation Interventions: Distractor-Robust World Model Predictions for Visual Model Predictive Control [51.14656121641822]
  世界モデルは、現在の観測と計画された行動によって、ロボットが将来の観察を「想像」することができる。 新たな視覚的障害は、行動結果の予測を破損させ、ロボットが計画や行動検証のために世界モデルの想像力に依存するとき、下流の障害を引き起こす可能性がある。 本稿では、世界モデルによるより信頼性の高い行動結果の予測を可能にする簡易かつ効果的なテストタイム戦略であるReOI(Reimagination with Observation Intervention)を提案する。
  論文  参考訳（メタデータ） (2025-06-19T19:41:29Z)
• Rejecting Hallucinated State Targets during Planning [84.179112256683]
  計画過程において、生成的または予測的モデルは、期待される状態や望ましい状態の集合を表す「ターゲット」を提案するためにしばしば用いられる。 残念ながら、学習したモデルは必然的に幻覚を与え、妄想的な行動や安全上の懸念を引き起こす可能性がある。 我々は、目標実現可能性評価器を学習することで、実現不可能な目標を特定し、拒否する戦略を考案する。
  論文  参考訳（メタデータ） (2024-10-09T17:35:25Z)
• H-SAUR: Hypothesize, Simulate, Act, Update, and Repeat for Understanding Object Articulations from Interactions [62.510951695174604]
  The Hypothesize, Simulate, Act, Update, and Repeat (H-SAUR) is a probabilistic generative framework that generated hypotheses about objects articulate given input observed。 提案手法は,現在最先端のオブジェクト操作フレームワークよりも優れていることを示す。 我々は、学習に基づく視覚モデルから学習前の学習を統合することにより、H-SAURのテスト時間効率をさらに向上する。
  論文  参考訳（メタデータ） (2022-10-22T18:39:33Z)
• Safe and Effective Picking Paths in Clutter given Discrete Distributions of Object Poses [16.001980921287704]
  1つのアプローチは、オブジェクトのポーズ推定を実行し、最も可能性の高いオブジェクト毎のポーズを使用して、衝突せずにターゲットを選択することである。 本研究は,まず6次元ポーズ推定の知覚過程を提案し,シーン内のオブジェクトポーズの離散分布を返却する。 次に、ロボットアームを選択に移すための安全で効果的なソリューションを返すために、オープンループ計画パイプラインが提案されている。
  論文  参考訳（メタデータ） (2020-08-11T00:52:03Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)

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。