論文の概要: RopeFormer: Cross-Trial Adaptation from Interaction History for Dynamic Rope Manipulation

• arxiv url: http://arxiv.org/abs/2609.23432v1
• Date: Sun, 20 Sep 2026 07:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:48:03.709249
• Title: RopeFormer: Cross-Trial Adaptation from Interaction History for Dynamic Rope Manipulation
• Title（参考訳）: RopeFormer:動的ロープマニピュレーションのためのインタラクション履歴からのクロスTrial Adaptation
• Abstract要約: 本稿では,従来のタスクインタラクションをコンテキストとして使用した履歴条件付きフレームワークであるRopeFormerについて紹介する。 我々は,事前の相互作用が動的変形オブジェクト操作に有効な制御コンテキストを提供することを示す。
• 参考スコア（独自算出の注目度）: 49.2203507737809
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic rope manipulation is highly sensitive to unknown object dynamics: the same robot motion can produce substantially different responses across ropes, while explicitly identifying the relevant physical properties is difficult. We present RopeFormer, a history-conditioned framework that uses prior task interaction as context for subsequent control. The policy retains cross-trial action-response history while keeping its weights fixed and requires no explicit online rope-parameter estimation. In matched simulation evaluations across sustained single-arm rotation, bimanual rotation, and transient whipping, retaining context improves subsequent control relative to resetting the same checkpoint, with the benefit varying across rope dynamics and observation settings. We further deploy the frozen policies on a Unitree H1-2 with previously unseen physical ropes. From T1 to T3, target-acquisition time decreases by 30.9% for Rope Swing and 33.9% for Rope Twirl, while mean Rope Whip target hits increase from 0.2 to 2.3 out of three. These results show that prior interaction can provide effective control context for dynamic deformable-object manipulation. Robot videos, code, and data are available at https://ropeformer.github.io/.
• Abstract（参考訳）: 動的ロープ操作は、未知の物体の力学に非常に敏感であり、同じロボットの動きは、ロープ全体で実質的に異なる応答を生成できるが、関連する物理的特性を明確に識別することは困難である。 本稿では,従来のタスクインタラクションをコンテキストとして使用した履歴条件付きフレームワークであるRopeFormerについて紹介する。 この方針は、国際間行動応答履歴を維持しながら、重量を固定し、明確なオンラインロープパラメーター推定を必要としない。 持続する単腕回転、双手回転、一過性のワイッピングのシミュレーション評価では、同じチェックポイントをリセットする際の後続の制御を改善し、ロープのダイナミックスや観察設定によって利点が変化する。 未確認の物理的ロープを持つUnitree H1-2の凍結ポリシーをさらに展開する。 T1からT3まで、目標獲得時間は30.9%、Rope Twirlは33.9%減少し、Rope Whipは3点中0.2から2.3に増加した。 これらの結果から,事前の相互作用が動的変形オブジェクト操作に有効な制御コンテキストを提供することを示す。 ロボットビデオ、コード、データはhttps://ropeformer.github.io/で公開されている。

関連論文リスト

• ForceTwin: Physics-informed Digital Twins for Robotic Manipulation from Instrumented Human Interaction [50.52713367623184]
  ForceTwin(フォーストイン)は、計測された人間との相互作用から、音声で表現された物体の物理情報を持つデジタル双対を識別するシステムである。 我々は, 慣性, クーロン摩擦, 減衰, 構造的残効状態依存機構力を含む調音, パラメトリックダイナミクスを推定する。 特定された双子を使って、全身のドア・トラバーサルポリシーを訓練し、現実世界に展開します。
  論文  参考訳（メタデータ） (2026-09-18T13:26:32Z)
• ForwardDLO: Model-Based Bimanual Shape Matching of Unconstrained Deformable Linear Objects [12.045392054359551]
  ロープ、ケーブル、その他の変形可能な線形オブジェクトは、切断からケーブルのルーティング、縫合までタスクに現れる。 モデルに基づく形状制御を汎用的に研究する。 本稿では、この固定されていないバイマニュアル設定に対して、リカレント遅延力学モデルであるForwardDLOを提案する。
  論文  参考訳（メタデータ） (2026-09-16T10:47:33Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• Wiggle and Go! System Identification for Zero-Shot Dynamic Rope Manipulation [5.816977440415847]
  そこで本研究では,学習前のシミュレーションを利用して,目標条件付きロープの動的操作を通知する手法を提案する。 ゼロショットタスクロープ操作を可能にするシステム識別2段階フレームワークであるWiggle and Go!を紹介する。
  論文  参考訳（メタデータ） (2026-04-23T22:17:45Z)
• Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [57.942404069484134]
  アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。 従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。 本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-24T17:59:56Z)
• GenORM: Generalizable One-shot Rope Manipulation with Parameter-Aware Policy [22.965840244436777]
  GenORMは、操作ポリシーが1つの実世界のデモで異なる変形可能なロープを処理できるようにするフレームワークです。 新しいロープが与えられたとき、GenORMは、実世界の実演とシミュレーションの点雲の格子密度の差を最小限にして、変形可能なロープパラメータを推定する。 実世界のロープ操作のシミュレーションと実世界のロープ操作の実証実験により,本手法が一つの実演で異なるロープを操作できることが明らかとなった。
  論文  参考訳（メタデータ） (2023-06-14T03:37:55Z)

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。