論文の概要: MotionForge: A Data Generation Pipeline and Large-Scale Benchmark for Long-Horizon Manipulation of Dynamic Objects with Domain Shifts
- arxiv url: http://arxiv.org/abs/2609.25689v1
- Date: Tue, 22 Sep 2026 04:47:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.227964
- Title: MotionForge: A Data Generation Pipeline and Large-Scale Benchmark for Long-Horizon Manipulation of Dynamic Objects with Domain Shifts
- Title（参考訳）: MotionForge: ドメインシフトによる動的オブジェクトの長期操作のためのデータ生成パイプラインと大規模ベンチマーク
- Abstract要約: MotionForgeは、動的操作におけるドメインシフトと長い水平相互作用を共同で評価するために設計された、最初の大規模なシミュレーションベンチマークとデータ生成パイプラインである。
11の異なる動きパターンにまたがる40の動的相互作用タスクで構成されており、17のロングホライゾンタスクを専用にサポートしている。
本ベンチマークでは,(1)単一要素(背景シフトのみ)と共同ドメインシフトの両方でポリシーロバスト性を評価するための体系的評価プロトコル,(2)エンビプロンメントがポリシー推論時間とは無関係に継続的に進化する疎結合な遅延対応実行プロトコル,の2点を紹介する。
- 参考スコア（独自算出の注目度）: 5.4959937046017915
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Recent advances in learning-based robot policies have demonstrated promising progress, yet they are predom- inantly evaluated in static or quasi-static environments. In dynamic manipulation, objects and scenes continuously evolve while the robot perceives, reasons, and acts. However, recent dynamic simulation benchmarks largely focus on short-horizon, reactive interactions with simple motion patterns and offer limited support for both systematic evaluation under domain shifts and model-agnostic real-time execution protocols. To bridge these gaps, we introduce MotionForge, the first large- scale simulation benchmark and data-generation pipeline tailored to jointly evaluate domain shifts and long-horizon interaction in dynamic manipulation. MotionForge comprises 40 dynamic interaction tasks spanning 11 distinct motion patterns, with dedicated support for 17 long-horizon tasks. Our benchmark introduces two key novelties: (1) a systematic evaluation protocol for assessing policy robustness under both single-factor (e.g., only backgrounds shift) and joint domain shifts (e.g., simultaneous shifts of objects, backgrounds, lighting, and speed); and (2) a decoupled, latency-aware execution protocol where the environ- ment continuously evolves independently of policy inference time. Extensive evaluations of representative general-purpose robot policies on our benchmark reveal substantial limitations under joint domain shifts. These findings expose a critical gap between current policy capabilities and the requirements of robust long- horizon manipulation of dynamic objects under domain shifts, establishing MotionForge as a comprehensive testbed for future research in embodied AI.
- Abstract（参考訳）: 近年の学習型ロボット政策の進歩は有望な進歩を示しているが、静的あるいは準静的な環境では、事前に評価されている。
動的操作では、オブジェクトとシーンは連続的に進化し、ロボットは、理由、行動を認識する。
しかし、最近の動的シュミレーションベンチマークは主に、単純な動きパターンによる短時間の反応相互作用に焦点を当てており、ドメインシフトの下での体系的評価とモデルに依存しないリアルタイム実行プロトコルの両方を限定的にサポートしている。
これらのギャップを埋めるために、動的操作におけるドメインシフトと長時間水平相互作用を共同で評価するための、最初の大規模シミュレーションベンチマークとデータ生成パイプラインであるMotionForgeを紹介した。
MotionForgeは11の異なるモーションパターンにまたがる40の動的インタラクションタスクで構成されており、17のロングホライゾンタスクを専用にサポートしている。
本ベンチマークでは,1)単一要素(背景シフトのみ)と共同ドメインシフト(オブジェクト,背景,照明,速度の同時シフトなど)の両条件下でのポリシーロバスト性を評価するための体系的評価プロトコルと,2)環境-環境-環境間がポリシー推論時間とは無関係に継続的に進化する分離型遅延対応実行プロトコル,の2点を紹介する。
本ベンチマークにおける汎用ロボット政策の広範囲な評価により,共同ドメインシフト下での大幅な限界が明らかとなった。
これらの知見は、現在のポリシー能力とドメインシフトの下での動的オブジェクトの堅牢な長距離操作の要件の間に重要なギャップを顕在化しており、MotionForgeは将来のAI研究のための総合的なテストベッドとして確立されている。
関連論文リスト
- One Hand Watches The Other: Dynamic Multi-Agent Cooperation for Sample-Efficient Bimanual Manipulation in Dynamic Environments [18.84041078934057]
DynaMACは、マルチストリームロボット操作ポリシーのための軽量でポリシーに依存しないフレームワークである。
動的環境におけるロボット操作のための新しいベンチマークであるDynaBenchを紹介する。
DynaMACは静的なデモから動的環境へのゼロショットを一般化する。
論文 参考訳（メタデータ） (2026-07-24T09:14:07Z) - Synthetic-to-Real Translation for Class-Agnostic Motion Prediction [64.55842058684583]
動き予測のための合成から現実への翻訳の可能性について検討する。
本稿では,動作知識翻訳フレームワークを2つの重要なコンポーネントに統合する新しいアプローチを提案する。
SRMP研究に適した最初の合成4D LiDARデータセットであるMotion4Dを生成するための物理ベースパイプラインを提案する。
論文 参考訳（メタデータ） (2026-07-07T14:19:22Z) - Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。
類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
論文 参考訳（メタデータ） (2026-04-14T12:37:39Z) - F2F-AP: Flow-to-Future Asynchronous Policy for Real-time Dynamic Manipulation [62.06267255986041]
非同期推論はロボット操作における主要なパラダイムとして現れている。
本稿では,予測対象の流れを利用して将来の観測を合成する新しい枠組みを提案する。
本手法は複雑な動的操作タスクにおける応答性と成功率を大幅に向上させる。
論文 参考訳（メタデータ） (2026-04-02T17:57:15Z) - Perceptive Hierarchical-Task MPC for Sequential Mobile Manipulation in Unstructured Semi-Static Environments [10.890430040930971]
連続的な移動操作は、一貫した動きの生成だけでなく、動作環境の変化に対するロボットの認識と適応性にも依存する。
本研究では,非構造的かつ変化する環境下での効率的な移動操作を実現するための,新しい知覚的階層型タスクモデル予測制御(HTMPC)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-10T20:55:30Z) - Learning Video Generation for Robotic Manipulation with Collaborative Trajectory Control [72.00655365269]
本稿では,協調的軌跡定式化を通じてオブジェクト間ダイナミクスをモデル化する新しいフレームワークであるRoboMasterを紹介する。
オブジェクトを分解する従来の方法とは異なり、我々のコアは、相互作用プロセスを3つのサブステージ(相互作用前、相互作用後、相互作用後)に分解することである。
提案手法は既存の手法よりも優れており,ロボット操作のための軌道制御ビデオ生成における最先端性能を確立している。
論文 参考訳（メタデータ） (2025-06-02T17:57:06Z) - InterDyn: Controllable Interactive Dynamics with Video Diffusion Models [50.38647583839384]
我々は、初期フレームと駆動対象またはアクターの動作を符号化する制御信号が与えられたインタラクティブな動画像を生成するフレームワークであるInterDynを提案する。
我々の重要な洞察は、大規模なビデオ生成モデルは、大規模ビデオデータからインタラクティブなダイナミクスを学習し、ニューラルと暗黙の物理シミュレーターの両方として機能できるということです。
論文 参考訳（メタデータ） (2024-12-16T13:57:02Z) - Temporally Consistent Dynamic Scene Graphs: An End-to-End Approach for Action Tracklet Generation [1.6584112749108326]
TCDSG、Temporally Consistent Dynamic Scene Graphsは、時間を通して対象と対象の関係を検出し、追跡し、リンクするエンドツーエンドのフレームワークである。
私たちの研究は、マルチフレームビデオ分析における新しい標準を設定し、監視、自律ナビゲーションなどにおける、高インパクトなアプリケーションのための新たな道を開く。
論文 参考訳（メタデータ） (2024-12-03T20:19:20Z) - RAIN: Reinforced Hybrid Attention Inference Network for Motion
Forecasting [34.54878390622877]
本稿では,ハイブリットアテンション機構に基づく動的キー情報の選択とランク付けを行う汎用的な動き予測フレームワークを提案する。
このフレームワークは、マルチエージェント軌道予測と人間の動き予測タスクを処理するためにインスタンス化される。
我々は,異なる領域における合成シミュレーションと運動予測ベンチマークの両方について,その枠組みを検証した。
論文 参考訳（メタデータ） (2021-08-03T06:30:30Z)
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。