論文の概要: PAKT: Physically-Aligned Kinesthetic Teaching for Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.25630v1
• Date: Tue, 22 Sep 2026 03:38:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.194775
• Title: PAKT: Physically-Aligned Kinesthetic Teaching for Reinforcement Learning
• Title（参考訳）: PAKT:強化学習のための物理的に調整された審美指導
• Abstract要約: 実世界強化学習(RL)における審美教育の枠組みであるPAKTを提案する。 遠隔操作のアプローチとは対照的に、PAKTは産業で広く使われている審美的指導に依存している。 エンド・ツー・エンドのシステムはサイクル時間を23%-48%減らし、累積介入を62%-86%減らした。
• 参考スコア（独自算出の注目度）: 1.1988071661425188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world reinforcement learning (RL) systems still struggle with the demands of contact-rich industrial manipulation, including micrometer-level precision, success rates above 99%, and human-level cycle times. Although off-policy algorithms can improve performance by leveraging demonstrations and interventions, a key bottleneck is the lack of an intuitive interface for collecting such guidance while complying with constraints of the physical system and the policy. We propose PAKT, a framework for kinesthetic teaching in RL. As opposed to teleoperation approaches, PAKT relies on kinesthetic guidance, which is widely used in industry. However, a critical weakness of kinesthetic guidance is the possibility for the operator to move the robot along trajectories (e.g., velocities, accelerations, jerk) that the robot and/or policy cannot physically reproduce. Using PAKT, operators guide the robot through admittance control, which maps human-applied forces to motion. The downstream reference generator applies the same kinematic limits used during policy execution, keeping the collected trajectories within these limits. To support this teaching interface with an appropriate execution layer, PAKT adds a high-performance control stack that maps low-frequency RL actions to high-frequency torque commands. It consists of a reference generator and subsequent impedance controller, where the reference generator preserves the tracking performance of the impedance controller while improving contact handling and producing smoother policy actions. Across the reported runs on four insertion and industrial assembly benchmarks, including a data center compute tray, the end-to-end system reduces cycle time by 23%-48% and cumulative intervention count by 62%-86% relative to the HIL-SERL baseline. Project website: https://pakt-website.github.io/pakt-website}{https://pakt-website.github.io/pakt-website
• Abstract（参考訳）: 実世界の強化学習(RL)システムは、マイクロメーターレベルの精度、99%以上の成功率、人間レベルのサイクルタイムなど、接触に富む産業操作の要求に苦慮している。 外部のアルゴリズムは、デモンストレーションや介入を利用してパフォーマンスを向上させることができるが、重要なボトルネックは、物理的なシステムやポリシーの制約に従わずに、そのようなガイダンスを集めるための直感的なインターフェースが欠如していることである。 RLにおける審美教育の枠組みであるPAKTを提案する。 遠隔操作のアプローチとは対照的に、PAKTは産業で広く使われている審美的指導に依存している。 しかし, 操作者がロボットを軌道に沿って移動させる可能性(例えば, 速度, 加速度, ジャーク)は, ロボットやポリシーが物理的に再現できない。 PAKTを使ってオペレーターは、人間に適応した力を動作にマッピングするアプタンス制御を通じてロボットを誘導する。 ダウンストリーム参照ジェネレータはポリシ実行中に使用されるのと同じキネマティック制限を適用し、収集されたトラジェクトリをこれらの制限内に保持する。 この教示インタフェースを適切な実行層でサポートするために、PAKTは低周波RL動作を高周波トルクコマンドにマッピングする高性能な制御スタックを追加した。 参照ジェネレータとその後のインピーダンスコントローラで構成されており、参照ジェネレータは、コンタクトハンドリングを改善しながらインピーダンスコントローラのトラッキング性能を保ち、よりスムーズなポリシーアクションを生成する。 データセンタ計算トレイを含む4つのインサートおよびインダストリアルアセンブリベンチマークで報告された結果、エンドツーエンドシステムはサイクル時間を23%-48%削減し、HIL-SERLベースラインと比較して累積介入数を62%-86%削減した。 プロジェクトウェブサイト: https://pakt-website.github.io/pakt-website}{https://pakt-website.github.io/pakt-website

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)
• DAG-Based QoS-Aware Dynamic Task Placement for Networked Multi-Stage Control Pipelines [5.531395561451493]
  現在の物理AIは、クローズドループのビジュアルサーボパイプラインに大きく依存している。 認識タスクをオンサイトエッジに静的にオフロードすることは、標準化された産業ネットワーク上でのレイテンシに敏感で正確な工業的設定には不適切である。 本稿では,ネットワーク型ロボットにおける知覚・知覚・計画制御パイプラインのための指向型非巡回グラフ(DAG)に基づく品質・オブ・サービス(QoS)対応動的タスク配置(DTP)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-19T14:17:02Z)
• FlashSAC: Fast and Stable Off-Policy Reinforcement Learning for High-Dimensional Robot Control [55.38832429564216]
  強化学習(Reinforcement Learning, RL)は、専門家によるデモンストレーションが利用できない場合のロボット制御における中核的なアプローチである。 我々は,Soft Actor-Critic上に構築された高速で安定なオフポリチィRLアルゴリズムであるFlashSACを提案する。 10のシミュレータで60以上のタスクをこなし、FlashSACは最終的なパフォーマンスとトレーニング効率の両方において、PPOと強力なオフポリシーベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-06T09:03:41Z)
• ContractionPPO: Certified Reinforcement Learning via Differentiable Contraction Layers [5.690649768462432]
  本稿では,手足ロボットのロバストな計画と制御のためのフレームワークであるContractionPPOを提案する。 収縮PPOは、模擬閉ループ系の指数的安定性を証明する収縮計量を生成する。 四足歩行におけるハードウェア実験により,強い外乱下であっても,ContractionPPOは頑健で安定な制御を可能にすることが示された。
  論文  参考訳（メタデータ） (2026-03-20T04:32:18Z)
• Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding [121.08841110022607]
  既存のエージェント中心の手法は、公開ベンチマークで顕著な性能を示した。 K-nearest neighbor attention with relative pose encoding (KNARPE) は、トランスフォーマーがペアワイズ相対表現を使用できる新しいアテンション機構である。 エージェント間でコンテキストを共有し、変化しないコンテキストを再利用することで、私たちのアプローチはシーン中心のメソッドと同じくらい効率的になり、最先端のエージェント中心のメソッドと同等に実行されます。
  論文  参考訳（メタデータ） (2023-10-19T17:59:01Z)
• Action-Quantized Offline Reinforcement Learning for Robotic Skill Learning [68.16998247593209]
  オフライン強化学習(RL)パラダイムは、静的な行動データセットを、データを収集したポリシーよりも優れたパフォーマンスのポリシーに変換するためのレシピを提供する。 本稿では,アクション量子化のための適応型スキームを提案する。 IQL,CQL,BRACといった最先端のオフラインRL手法が,提案手法と組み合わせることで,ベンチマークのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2023-10-18T06:07:10Z)
• Training Efficient Controllers via Analytic Policy Gradient [44.0762454494769]
  ロボットシステムの制御設計は複雑であり、しばしば軌道を正確に追従するために最適化を解く必要がある。 Model Predictive Control (MPC)のようなオンライン最適化手法は、優れたトラッキング性能を実現するために示されているが、高い計算能力を必要とする。 本稿では,この問題に対処するための分析政策グラディエント(APG)手法を提案する。
  論文  参考訳（メタデータ） (2022-09-26T22:04:35Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Neural Dynamic Policies for End-to-End Sensorimotor Learning [51.24542903398335]
  感覚運動制御における現在の主流パラダイムは、模倣であれ強化学習であれ、生の行動空間で政策を直接訓練することである。 軌道分布空間の予測を行うニューラル・ダイナミック・ポリシー(NDP)を提案する。 NDPは、いくつかのロボット制御タスクにおいて、効率と性能の両面で、これまでの最先端よりも優れている。
  論文  参考訳（メタデータ） (2020-12-04T18:59:32Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。