論文の概要: PSR: Predictive Sensorimotor Representation Learning for Contact-Rich Manipulation

• arxiv url: http://arxiv.org/abs/2609.21753v1
• Date: Fri, 18 Sep 2026 13:27:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.118847
• Title: PSR: Predictive Sensorimotor Representation Learning for Contact-Rich Manipulation
• Title（参考訳）: PSR: コンタクトリッチマニピュレーションのための予測型センサモレータ表現学習
• Abstract要約: コンタクトリッチな操作は、接触力、ロボットの構成、視覚的な観察を超えた相互作用履歴を推論することで正確な行動を生成するポリシーを必要とする。 既存の手法は、将来の接触力学を積極的に予測するのではなく、力フィードバックに受動的に条件付けし、高精度な動作を生成する能力を制限する。 本稿では,マルチモーダルセンサモレータ信号から予測表現の階層構造を学習し,それをビジュモータポリシーのアクションストリームに統合するフレームワークである予測センサモレータ表現(PSR)学習を紹介する。
• 参考スコア（独自算出の注目度）: 18.796362028537626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contact-rich manipulation requires policies to generate precise actions by reasoning over contact forces, robot configurations, and interaction histories beyond visual observations. Existing methods passively condition on force feedback rather than actively predicting future contact dynamics, limiting their ability to generate high-precision actions. To address this problem, we introduce Predictive Sensorimotor Representation (PSR) learning, a framework that learns a hierarchy of predictive representations from multimodal sensorimotor signals and integrates them into the action stream of a visuomotor policy. Specifically, during a pretraining stage, a multimodal Transformer is trained to learn a hierarchy of predictive representations by jointly forecasting future interaction dynamics. The learned hierarchy subsequently augments the action stream, enabling the resulting policy to exploit contact-relevant cues at multiple depths. We further instantiate PSR within a Vision-Language-Action (VLA) model, resulting in PSR-VLA, and evaluate it on six real-world contact-rich manipulation tasks. Experimental results show that PSR-VLA achieves 91.7% overall success, improving over $π_{0.5}$, ForceVLA-$π_{0.5}$, and ForceVLA2-$π_{0.5}$ by 30.0, 22.5, and 19.2 percentage points, respectively. These results demonstrate the effectiveness of the proposed PSR for force-aware, contact-rich manipulation. Videos of the tasks and stability tests are available at https://psr-vla.pages.dev/.
• Abstract（参考訳）: コンタクトリッチな操作は、接触力、ロボットの構成、視覚的な観察を超えた相互作用履歴を推論することで正確な行動を生成するポリシーを必要とする。 既存の手法は、将来の接触力学を積極的に予測するのではなく、力フィードバックに受動的に条件付けし、高精度な動作を生成する能力を制限する。 この問題を解決するために,マルチモーダルセンサモレータ信号から予測表現の階層構造を学習し,それをビジュモータポリシーのアクションストリームに統合するフレームワークである予測センサモレータ表現(PSR)学習を導入する。 具体的には,事前学習段階において,マルチモーダル変換器を用いて予測表現の階層構造を学習し,将来的な相互作用のダイナミクスを共同で予測する。 学習された階層はその後アクションストリームを強化し、結果として、複数の深さで接触関連キューを利用することができる。 さらに、視覚・言語・アクション(VLA)モデル内でPSRをインスタンス化し、その結果、PSR-VLAを生成し、6つの実世界のコンタクトリッチな操作タスクで評価する。 実験の結果、PSR-VLAの総成功率は91.7%で、それぞれ$π_{0.5}$、ForceVLA-$π_{0.5}$、ForceVLA2-$π_{0.5}$を30.0、22.5、19.2ポイント以上改善した。 これらの結果から, 力覚, コンタクトリッチな操作に対するPSRの有効性が示された。 タスクと安定性テストのビデオはhttps://psr-vla.pages.dev/.comで公開されている。

関連論文リスト

• Potential-Field Action Representation for Reinforcement Learning in Contact-Rich Manipulation [16.574472198582836]
  人工電位場をアクション表現として利用する強化学習フレームワークPA-RLを提案する。 運動を直接指揮する代わりに、政策はエネルギーのようなポテンシャル場のパラメータに適応し、状態依存の誘導方向を生成する。
  論文  参考訳（メタデータ） (2026-09-18T10:46:55Z)
• 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)
• Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation [58.95799126311524]
  人間は視覚と触覚を使って、外的変化に対する迅速な応答や接触力の適応制御のような非常に反応性の高い能力で、コンタクトリッチなタスクを達成できる。 既存の視覚模倣学習アプローチは、複雑な振る舞いをモデル化するためにアクションチャンキングに依存している。 本稿では,Augmented Realityを通じてリアルタイム触覚フィードバックを提供する,低コスト遠隔操作システムであるTactARを紹介する。
  論文  参考訳（メタデータ） (2025-03-04T18:58:21Z)
• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• Multimodal and Force-Matched Imitation Learning with a See-Through Visuotactile Sensor [14.492202828369127]
  我々は、模倣学習(IL)の枠組みの中でマルチモーダル・ビゾタクタクタブル・センサを活用して、コンタクトリッチなタスクを実行する。 本稿では,IL改善のための補完手法として,触覚力マッチングと学習モード切替という2つのアルゴリズム的貢献を紹介する。 以上の結果から, 力の一致が平均政策成功率62.5%, ビズオタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタク
  論文  参考訳（メタデータ） (2023-11-02T14:02:42Z)

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。