論文の概要: MAAP: Multi-Agent Active Perception for Collaborative Manipulation

• arxiv url: http://arxiv.org/abs/2609.21929v1
• Date: Fri, 18 Sep 2026 15:50:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.172457
• Title: MAAP: Multi-Agent Active Perception for Collaborative Manipulation
• Title（参考訳）: MAAP:コラボレーティブマニピュレーションのためのマルチエージェントアクティブパーセプション
• Abstract要約: 我々はMAAP(Multi-Agent Active Perception)を紹介する。 操作アクションを実行し、それを運ぶ手首カメラを通じて、同時にチームの移動視点として機能する。 これをRAIL(Role-Aware Learning)と組み合わせて、各アームの現在の役割を、アクションチャンクとアクション生成の条件に沿って予測するコントローラと組み合わせる。
• 参考スコア（独自算出の注目度）: 8.972337432522744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent manipulation naturally produces multiple task-driven viewpoints: every arm carries a wrist camera and moves through the scene while acting. Yet these observations are typically underutilized, and active perception in manipulation is still often treated as requiring a dedicated sensing agent. We introduce MAAP (Multi-Agent Active Perception), in which every arm is dual-purpose: it executes manipulation actions and, through the wrist camera it carries, simultaneously serves as a moving viewpoint for the team. We pair this with RAIL (Role-Aware Imitation Learning), a controller that predicts each arm's current role alongside its action chunk and conditions action generation on it, representing role-dependent actions within one network. Across four simulated tasks, widening the perception regime lifts average success from 56.5% with a fixed camera to 62.5% with one active wrist view and 70.0% with all of them, while MAAP+RAIL reaches 79.2%. RAIL's additional gain is concentrated on the three-arm Microwave task, where success rises from 47% to 82% on identical multi-wrist inputs. On a dual-arm platform, MAAP+RAIL succeeds in 14 of 20 placement trials compared with 0 of 20 for fixed-view ACT. Collaborative manipulation can thus serve as an active perception mechanism in its own right.
• Abstract（参考訳）: マルチエージェント操作は、自然に複数のタスク駆動視点を生成する。各アームは手首カメラを持ち、演技中にシーンを移動させる。 しかし、これらの観測は典型的には未利用であり、操作における能動的知覚は依然として専用の検知剤を必要とするものとして扱われることが多い。 操作動作を実行し、手首カメラを介して同時にチームの移動視点として機能するMAAP(Multi-Agent Active Perception)を紹介する。 これをRAIL(Role-Aware Imitation Learning)と組み合わせて、各アームの現在の役割を、そのアクションチャンクと共に予測し、その上でアクション生成を条件とし、1つのネットワーク内のロール依存アクションを表現するコントローラと組み合わせる。 4つのシミュレートされたタスクの中で、知覚体制を広げると、固定カメラで56.5%から62.5%、アクティブな手首ビューで62.5%、これら全てで70.0%、MAAP+RAILは79.2%まで平均的な成功を収める。 RAILのさらなる利得は3腕のマイクロ波タスクに集中しており、同じマルチ抵抗入力で成功率が47%から82%に上昇する。 デュアルアームのプラットフォームでは、MAAP+RAILは20の配置試験のうち14で成功し、固定視ACTでは0の20で成功している。 したがって、協調的な操作は、自身の権利において活発な知覚メカニズムとして機能する。

関連論文リスト

• Skel-WAM: A Hand-Skeleton-Conditioned World Action Model for Human-to-Robot Manipulation Transfer [61.50662046794264]
  Skel-WAMは,ハンドスケルトン・モーション・インタフェースの統一による差異をブリッジする世界アクション・モデルである。 主な洞察は、人間の動きとロボットの動きを共通のハンドトポロジーで調整し、シーン内の地面の動きを、明示的な手の動きをエンコードする2.5Dキーポイントと組み合わせることである。 ビデオとキーポイントの専門家は、Mixture-of-Transformersを通じて視覚と骨格のダイナミクスを共同で学習し、ロボット訓練されたアクションエキスパートはこれらの予測を実行可能なコントロールにマップする。
  論文  参考訳（メタデータ） (2026-09-18T09:06:15Z)
• VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
  VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。 汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。 モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
  論文  参考訳（メタデータ） (2026-09-17T01:24:51Z)
• ActiveUMI: Robotic Manipulation with Active Perception from Robot-Free Human Demonstrations [32.570602111692914]
  複雑な双方向操作が可能なロボットに人体でのデモンストレーションを転送する,データ収集システムのためのフレームワークであるActiveUMIを提案する。 ActiveUMIは、ロボットのエンドエフェクターをミラーするセンサー付きコントローラーを備えたポータブルVR遠隔操作キットを結合する。 操作者の意図した頭部の動きをヘッドマウントディスプレイで記録することにより,視覚的注意と操作の関係を学習する。
  論文  参考訳（メタデータ） (2025-10-02T02:44:21Z)
• The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning [13.599764233174973]
  MiDiGapは、ロボット操作におけるフレキシブルポリシー表現と模倣学習のための新しいアプローチである。 1分以内でCPU上のタスクを学習し、大規模なデータセットに線形にスケールする。 様々な数ショットのベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-05-06T08:27:23Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
  高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。 DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。 当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
  論文  参考訳（メタデータ） (2024-11-27T18:03:26Z)

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。