論文の概要: BiRoAD: Learning Shared and Role-Adaptive Representations for Bimanual Manipulation

• arxiv url: http://arxiv.org/abs/2609.23445v1
• Date: Sun, 20 Sep 2026 08:20:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:46:34.175029
• Title: BiRoAD: Learning Shared and Role-Adaptive Representations for Bimanual Manipulation
• Title（参考訳）: BiRoAD: 双方向操作のための共有学習と役割適応表現
• Abstract要約: 両立政策における共有表現と役割適応表現を学習するための二元的役割適応分解フレームワークであるBiRoADを提案する。 BiRoADは機能をスワップ対称およびスワップ非対称コンポーネントに分解する。 対応する基本ポリシーよりもロール設定を横断的に改善し、あまり表現されていないロール設定に顕著な利益をもたらす。
• 参考スコア（独自算出の注目度）: 23.538132700356616
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bimanual manipulation requires policies that coordinate two arms while adapting their functional roles to scene geometry, object configuration, and task context. Learning such scene-conditioned role adaptation remains challenging, as demonstrations may contain uneven role distributions that limit generalization to underrepresented arm--role configurations. In addition, many bimanual policies predict actions in fixed left- and right-arm action spaces. While this provides a natural parameterization for robot control, it does not explicitly specify how behaviors should transform when functional roles are exchanged across arms. Across different scene initializations, the two arms may follow a similar coordination pattern, but the role-specific behavior assigned to each arm should change with the scene. Therefore, we propose BiRoAD, a Bimanual Role-Adaptive Decomposition framework for learning shared and role-adaptive representations in bimanual policies. Given bimanual trajectory or action-token features, BiRoAD decomposes these features into swap--symmetric and swap--antisymmetric components: the former captures coordination structure invariant to arm exchange, and the latter captures role-specific distinctions that vary consistently with functional role assignment. The two components are then recomposed as residual updates to the original paired arm representations, allowing BiRoAD to serve as a modular feature transformation without changing the policy inputs, imitation-learning objective, or requiring manually defined role labels. Across multiple bimanual manipulation tasks with balanced and imbalanced role distributions, BiRoAD improves robustness across role configurations over corresponding base policies, with notable gains on underrepresented role configurations.
• Abstract（参考訳）: 双方向操作には、2つのアームを協調するポリシーが必要であるが、それらの機能的役割はシーン幾何学、オブジェクト構成、タスクコンテキストに適応する。 このようなシーン条件のロール適応を学習することは依然として困難であり、デモには、表現不足のアームロール構成に一般化を制限する不均一なロール分布が含まれる可能性がある。 さらに、固定された左腕と右腕のアクション空間におけるアクションを予測するバイマニュアルポリシーも多数存在する。 これはロボット制御に自然なパラメータ化を提供するが、腕間で機能的な役割が交換されるときの振る舞いがどう変換されるべきかは明確には明記していない。 異なるシーンの初期化において、2つのアームは同様の調整パターンに従うかもしれないが、各アームに割り当てられた役割固有の振る舞いはシーンによって変化する。 そこで本稿では,バイマラルポリシーにおける共有表現とロール適応表現を学習するためのバイマラル・ロール適応分解フレームワークであるBiRoADを提案する。 BiRoADはこれらの特徴をスワップ対称とスワップ非対称のコンポーネントに分解し、前者はアーム交換に不変な調整構造を、後者は機能的役割割り当てと一貫した役割特異的な区別をキャプチャする。 2つのコンポーネントは、元のペアアーム表現の残留アップデートとして再コンパイルされ、BiRoADはポリシー入力や模倣学習の目的を変更したり、手動で定義されたロールラベルを必要とすることなく、モジュラー機能変換として機能する。 バランスの取れたロールとバランスの取れないロールの分散を伴う複数の双方向操作タスクの中で、BiRoADは、対応するベースポリシーよりもロール構成間の堅牢性を改善し、表現不足なロール構成に顕著な利益をもたらす。

関連論文リスト

• ExRole: From Team Trajectories to Executable Roles in Multi-Agent Language Models [8.17263506524276]
  有用な役割は実行可能制御変数であるべきだと我々は主張する。 将来的な役割のプロトタイプを学習するトラジェクトリ・ツー・ロールのフレームワークであるExRoleを紹介した。 ベンチマーク全体を通じて、結果は、ロールフリー、マニュアル、ランダム、シャッフルされた代替よりも、トラジェクトリによって引き起こされるロール条件を常に好んでいる。
  論文  参考訳（メタデータ） (2026-08-12T11:35:31Z)
• See Selectively, Act Adaptively: Dual-Level Structural Decomposition for Bimanual Robot Manipulation [1.7587442088965224]
  本稿では,デュアルレベル構造分解に基づく双方向操作フレームワークを提案する。 提案手法は,RoboTwin 2.0における6つの実時間操作タスクと3つの長軸実世界タスクにおいて評価される。
  論文  参考訳（メタデータ） (2026-06-11T12:33:55Z)
• The Granularity Axis: A Micro-to-Macro Latent Direction for Social Roles in Language Models [61.32031248060941]
  マイクロレベルの個人経験からマクロレベルの組織,制度的,あるいは国家的推論に至るまで,大きな言語モデルが社会的役割をコードしていることを示す。 以上の結果から,社会的役割の粒度は単にスタイリスティックな表面特徴ではなく,言語モデル行動における構造的,秩序的,因果的に操作可能な潜在方向である可能性が示唆された。
  論文  参考訳（メタデータ） (2026-05-07T13:08:19Z)
• AdaMARP: An Adaptive Multi-Agent Interaction Framework for General Immersive Role-Playing [71.66362858228418]
  LLMロールプレイングは、対話的な物語において任意のキャラクターを描写することを目的としているが、既存のシステムは没入性や適応性に制限されることが多い。 本稿では,[Thought], (Action), Environment>, and Speechをインターリーブする没入型メッセージ形式を特徴とする,適応型マルチエージェントロールプレイングフレームワークAdaMARPを提案する。
  論文  参考訳（メタデータ） (2026-01-16T05:41:45Z)
• HyCoRA: Hyper-Contrastive Role-Adaptive Learning for Role-Playing [44.29064362634048]
  マルチキャラクタロールプレイングは、モデルに様々なロールをシミュレートする能力を持たせることを目的としている。 本稿では,HyCoRA: Hyper-Contrastive Role-Adaptive Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T09:18:57Z)
• Role-Aware Language Models for Secure and Contextualized Access Control in Organizations [4.122315998598296]
  大規模言語モデル(LLM)は、ますますエンタープライズ環境にデプロイされている。 組織の役割の異なるアクセス権限を反映した応答を生成するために,LSMを微調整できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-07-31T11:41:04Z)
• RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models [107.00832724504752]
  大規模言語モデル(LLM)におけるロールプレイング能力をベンチマークし、評価し、拡張するフレームワークであるRoleLLMを紹介する。 Context-InstructとRoleGPTによって、168,093サンプルでロールプレイする最初の体系的できめ細かい文字レベルのベンチマークデータセットであるRoleBenchを作成します。
  論文  参考訳（メタデータ） (2023-10-01T17:52:59Z)
• Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
  そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。 我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。 この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。