論文の概要: DynaForge: Planning-Guided Residual Learning for Dynamic Manipulation Demonstration Generation

• arxiv url: http://arxiv.org/abs/2609.25631v1
• Date: Tue, 22 Sep 2026 03:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.195247
• Title: DynaForge: Planning-Guided Residual Learning for Dynamic Manipulation Demonstration Generation
• Title（参考訳）: DynaForge:動的マニピュレーションデモ生成のための計画ガイド型残留学習
• Abstract要約: DynaForgeは動的操作のデモ生成のための残留補正を学習する計画誘導フレームワークである。 DynaForgeは、計画の41.30%から78.37%まで、平均的なデモ世代成功率を高めている。 実世界の3つの動的タスクにおいて、DynaForgeで訓練されたポリシーは、DOMINOで訓練されたポリシーの0-10%に比べ、30-60%の成功を達成した。
• 参考スコア（独自算出の注目度）: 19.42491704616821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic object manipulation is essential for robots operating in real-world environments, yet methods for generating high-quality demonstrations remain limited. Methods designed for static tasks do not readily transfer to dynamic settings. Among dynamic demonstration generators, planning-based methods can fail near contact, while DOMINO-style replay simplifies dynamic interactions and may limit the experience available for policy learning. We present DynaForge, a planning-guided framework that learns residual corrections for dynamic manipulation demonstration generation. DynaForge combines low-frequency global planning with high-frequency object-centric inverse kinematics across task phases, and applies a residual policy to correct actions during dynamic interaction. An implicit curriculum groups rollouts under matched conditions and selects mixed-success groups, focusing residual reinforcement learning on the evolving competence frontier. On Can and Bottle, it uses 0.73x as many optimizer steps as vanilla GRPO at the same nominal environment-step budget, with higher observed final success rates. Across nine simulation tasks, DynaForge increases mean demonstration-generation success from 41.30% of the planning prior to 78.37%. With 800 demonstrations per task, DP3 policies trained on DynaForge data achieve 49.11% mean success, compared with 7.07% for DOMINO data. On three real-world dynamic tasks, DynaForge-trained policies achieve 30-60% success, compared with 0-10% for DOMINO-trained policies, showing the ability of DynaForge for sim-to-real transfer.
• Abstract（参考訳）: 実環境で動作するロボットには動的オブジェクト操作が不可欠だが、高品質なデモを生成する方法はまだ限られている。 静的タスク用に設計されたメソッドは、動的設定に簡単に転送できない。 ダイナミックなデモジェネレータでは、プランニングベースのメソッドが近接して失敗する可能性があるが、DOMINOスタイルのリプレイは動的インタラクションを単純化し、ポリシー学習で利用可能なエクスペリエンスを制限する可能性がある。 動的操作デモ生成のための残差補正を学習する計画誘導フレームワークであるDynaForgeを提案する。 DynaForgeは、低周波グローバルプランニングとタスクフェーズ間の高周波オブジェクト中心の逆運動学を組み合わせることで、動的相互作用中の動作の補正に残留ポリシーを適用する。 暗黙のカリキュラム群は、一致した条件下でロールアウトし、混血グループを選択し、進化する能力フロンティアに強化学習を集中させる。 Can and Bottleでは、バニラGRPOと同じ名目上の環境段階予算で0.73倍の最適化ステップを使用し、最終的な成功率も高い。 9つのシミュレーションタスクで、DynaForgeは平均的なデモ世代成功率を、計画の41.30%から78.37%に引き上げている。 タスクあたり800のデモで、DynaForgeのデータに基づいてトレーニングされたDP3ポリシーは、DOMINOデータに対して7.07%と、49.11%の平均的な成功を達成した。 実世界の3つの動的タスクにおいて、DynaForge-trained Policyは、DOMINO-trained Policyの0-10%と比較して30-60%の成功を達成し、sim-to-real TransferにおけるDynaForgeの能力を示している。

関連論文リスト

• GIFT: Guided Intermediate Feature Training via Action-Oriented Structural Supervision for Robotic Manipulation [60.95802802905149]
  GIFT(Guided Intermediate Feature Training)は,中間機能学習のためのアーキテクチャフレキシブルなフレームワークである。 我々は、各モデルのアクション定式化を維持しつつ、ビジョンランゲージ・アクション(VLA)ポリシー、ダイレクトアクション・ワールド・アクション・モデル(WAM)、逆ダイナミクスWAMでGIFTをインスタンス化する。 RoboCasaでは3つのGIFTバージョンが61.4%、83.6%、82.3%に達し、それぞれ12.6、9.0、8.4ポイントを上回っている。
  論文  参考訳（メタデータ） (2026-09-03T17:59:03Z)
• DynamicManip: Enabling Dynamic Manipulation from a Single Static Demonstration [34.4044954225045]
  高速なデータ拡張パイプラインと低レイテンシな模倣ポリシを通じて,課題に対処するDynamicManipを提案する。 動的操作タスクにおいて、DynamicManipは、平均成功率18.4ポイント以上のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2026-08-02T19:23:54Z)
• From Failures to Supervision: DynamicEnvPlan for Robust Long-Horizon Embodied Planning [11.738655774128366]
  動的環境における高レベル計画のためのクローズドループフレームワークであるDynamicEnvPlanを紹介する。 ヒューマノイドエージェント、ハイレベルなプリミティブスキル、構造化セマンティックメモリ、制御可能な摂動で具体化されたタスク実行を拡張する。 結果として得られたトレースは、ステージ化された教師付き微調整に使用され、プランナーは名目上の実行とリカバリの軌跡の両方から学ぶことができる。
  論文  参考訳（メタデータ） (2026-08-01T12:09:47Z)
• Towards Generalizable Robotic Manipulation in Dynamic Environments [48.77270850350943]
  VLA(Vision-Language-Action)モデルは静的な操作では優れているが、動いた軌跡を持つ動的環境では困難である。 本稿では、大規模なデータセットと一般的な動的操作のためのベンチマークであるDOMINOを紹介する。 また、動的に認識可能なVLAアーキテクチャPUMAを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:59:57Z)
• MM-ACT: Learn from Multimodal Parallel Generation to Act [80.9182259389658]
  MM-ACTは、テキスト、画像、アクションを共有トークン空間に統合し、3つのモード全てで生成する。 コンテキスト共有型マルチモーダル学習は、共有コンテキストから3つのモードすべての生成を監督する。 提案手法は,実フランカの3つのタスクで96.3%,実フランカの3つのタスクで72.0%,RoboTwin2.0の8つの2つのタスクで52.38%を達成している。
  論文  参考訳（メタデータ） (2025-11-30T16:46:35Z)
• DynaRend: Learning 3D Dynamics via Masked Future Rendering for Robotic Manipulation [52.136378691610524]
  本稿では、3次元認識と動的インフォームド三面体特徴を学習する表現学習フレームワークDynaRendを紹介する。 マルチビューRGB-Dビデオデータに基づく事前トレーニングにより、DynaRendは空間幾何学、将来のダイナミクス、タスク意味を統合された三面体表現で共同でキャプチャする。 我々は、RLBenchとColosseumという2つの挑戦的なベンチマークでDynaRendを評価し、政策成功率、環境摂動の一般化、様々な操作タスクにおける実世界の適用性などを大幅に改善した。
  論文  参考訳（メタデータ） (2025-10-28T10:17:11Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• EUCLID: Towards Efficient Unsupervised Reinforcement Learning with Multi-choice Dynamics Model [46.99510778097286]
  教師なし強化学習(URL)は,タスクに依存しない環境で有用な行動を学ぶための,有望なパラダイムである。 本研究では,事前学習フェーズにおける動的モデルと教師なし探索ポリシーを協調的に事前学習するための,新しいモデル融合パラダイムを提案する。 本研究では,EUCLIDが高サンプリング効率で最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2022-10-02T12:11:44Z)
• Multi-Task Reinforcement Learning based Mobile Manipulation Control for Dynamic Object Tracking and Grasping [17.2022039806473]
  汎用的な動的物体追跡と把握を実現するために,マルチタスク強化学習に基づく移動体操作制御フレームワークを提案する。 実験の結果、トレーニングされたポリシーは、約0.1mの追跡誤差と75%の達成率で、目に見えないランダムなダイナミックな軌道に適応できることがわかった。
  論文  参考訳（メタデータ） (2020-06-07T21:18:36Z)

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。