論文の概要: CableVLA: Simulation-Privileged Global-Local Representation Learning for Cable Routing

• arxiv url: http://arxiv.org/abs/2609.25606v1
• Date: Tue, 22 Sep 2026 02:58:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.188148
• Title: CableVLA: Simulation-Privileged Global-Local Representation Learning for Cable Routing
• Title（参考訳）: CableVLA: ケーブルルーティングのためのシミュレーションによるグローバルローカル表現学習
• Abstract要約: CableVLAは、シミュレーションによって特権化された監視を、デプロイ可能なケーブルトポロジー表現に変換する。 TacSenseは抵抗配列から接触ダイナミクスを学ぶ。 トポロジー予測と57タスク触覚評価は表現品質を評価する。
• 参考スコア（独自算出の注目度）: 10.414781277754503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cable routing requires coordinated control of global cable topology and changing local contacts. We present CableVLA, an end-to-end multimodal vision-language-action framework that converts simulation-privileged supervision into deployable cable-topology and tactile representations. TopoHead distills node-level physics and current and future cable-topology information into causal visual context for the action expert. TacSense uses complementary frame and taxel branches to learn contact dynamics from resistive arrays, with simulator-derived kinematics and contact events providing supervision beyond the measured force map. A contact gate activates force-tactile residuals that refine the next 8 arm-and-gripper actions of a frozen topology-conditioned policy. Across 345 MuJoCo evaluations, CableVLA improves success from 62.6% for the $π_{0.5}$-V visual baseline to 84.9%. TacSense achieves pronounced gains in slip-transition recognition over a CNN-LSTM baseline with a similar parameter count, and this advantage persists under frozen-encoder probes. Topology prediction and 57-task tactile evaluations assess representation quality, while policy adaptation studies evaluate downstream control performance. Cross-simulator and real-robot comparisons further examine zero-shot policy transfer under changes in dynamics and sensing.
• Abstract（参考訳）: ケーブルルーティングは、グローバルケーブルトポロジーの協調制御とローカルコンタクトの変更を必要とする。 CableVLAは,シミュレーションによる監視を,ケーブルトポロジーや触覚表現に変換する,エンド・ツー・エンドのマルチモーダル・ビジョン・ランゲージ・アクション・フレームワークである。 TopoHeadは、ノードレベルの物理と、現在および将来のケーブルトポロジー情報を、アクションエキスパートの因果的な視覚的コンテキストに蒸留する。 TacSenseは相補的なフレームとタクセルブランチを使用して抵抗配列から接触ダイナミクスを学習し、シミュレータから派生したキネマティクスや接触イベントは測定された力マップを超えて監督する。 接触ゲートは、凍ったトポロジー条件のポリシーの次の8つのアーム・アンド・グルーパー動作を洗練させる力触覚残基を活性化する。 345 MuJoCoの評価で、CableVLAは、$π_{0.5}$-Vビジュアルベースラインの62.6%から84.9%に改善した。 TacSenseは、同様のパラメータ数を持つCNN-LSTMベースライン上でのスリップ遷移認識の顕著な向上を実現し、この利点は凍結エンコーダプローブの下で持続する。 トポロジー予測と57タスクの触覚評価は表現品質を評価する一方、政策適応研究は下流制御性能を評価する。 クロスシミュレータと実ロボットの比較は、動的およびセンシングの変化下でのゼロショットポリシー転送をさらに検討する。

関連論文リスト

• LYRIC: Language-Driven Physics-Based Character Control for Contact-Rich Whole-Body Object Interaction [43.54194546706035]
  LYRICは、言語駆動の物理に基づくコンタクトリッチインタラクション制御のための生成フローマッチングコントローラである。 単一のトラッキングポリシーは、幾何学的条件付き相互作用報酬と手動物体接触近傍の緩和された参照追跡を用いて訓練される。 LIRICは最強のキネマティックプランナーベースラインの74.2%に比べて90.3%のタスク成功率を示した。
  論文  参考訳（メタデータ） (2026-09-17T04:34:15Z)
• CARO: Contact-Agnostic Residual Observation for Zero-Shot Robust Quadruped Locomotion [6.612698611142421]
  CAROは、政策適応のための接触に依存しない残留観測フレームワークである。 固定ベースオイラー-ラグランジュモデルを強化学習制御ループに組み込み、トルクレベルの残留観測を構築する。 外乱オブザーバは、動的ミスマッチを表す構造化信号を抽出し、ポリシーは、このフィードバックをオンライン適応に活用することを学ぶ。
  論文  参考訳（メタデータ） (2026-08-25T08:23:24Z)
• Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
  本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。 提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
  論文  参考訳（メタデータ） (2026-08-25T07:25:27Z)
• WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
  行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。 物理シミュレータが期待する観測能力を用いてACWMを評価する。 WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
  論文  参考訳（メタデータ） (2026-08-10T08:48:06Z)
• Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
  コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。 物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。 我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
  論文  参考訳（メタデータ） (2026-05-27T17:59:02Z)
• OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
  textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。 我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
  論文  参考訳（メタデータ） (2026-03-19T17:52:42Z)
• Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
  ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。 本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。 スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
  論文  参考訳（メタデータ） (2026-02-14T16:05:08Z)
• A Collision-Aware Cable Grasping Method in Cluttered Environment [12.17415219032655]
  粗い環境下での堅牢なケーブルグルーピングを容易にするために設計したケーブル型Grasp畳み込みニューラルネットワークを提案する。 我々は、ケーブルポーズの複雑さを模倣し、ケーブルとロボットグリップの潜在的な衝突を要因とするデータセットを生成する。 我々は、ケーブルで92.3%、未知のケーブルで88.4%の成功率を達成した。
  論文  参考訳（メタデータ） (2024-02-22T12:47:04Z)

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。