論文の概要: RoboTwin-Phys: Do WAMs and VLAs Understand the Physical World?

• arxiv url: http://arxiv.org/abs/2609.26292v1
• Date: Tue, 22 Sep 2026 12:04:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.351883
• Title: RoboTwin-Phys: Do WAMs and VLAs Understand the Physical World?
• Title（参考訳）: RoboTwin-Phys: WAMとVLAは物理世界を理解するか?
• Abstract要約: RoboTwin-Physは、物理条件の多様性をロボット操作評価の明示的な次元として扱う物理多様性ベンチマークである。 本研究では, 物理属性推定, 条件対応モデリング, 物理条件付き政策トレーニングなど, 基礎的物理パラメータを用いた5,000以上の専門家による実証実験を公表する。
• 参考スコア（独自算出の注目度）: 54.35411689685545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical-condition diversity is largely missing from current benchmarks for robot manipulation. While large-scale simulation benchmarks increasingly incorporate variations in object appearance, scene layout, and visual observations, they typically keep the underlying physical parameters fixed. As a result, important sources of real-world variability, such as changes in mass, friction, and joint dynamics, remain largely untested. We introduce RoboTwin-Phys, a physics-diverse benchmark that treats physical-condition diversity as an explicit dimension of robot manipulation evaluation. The benchmark continuously varies 13 physical attributes within physically plausible ranges, providing a unified setting for evaluating policies across diverse physical operating conditions. We further release more than 5,000 expert demonstrations with ground-truth physical parameters, enabling physical-attribute estimation, condition-aware modeling, and physics-conditioned policy training. Evaluations of representative WAMs and VLAs reveal a substantial robustness gap: models that remain effective under existing visual and layout randomization can degrade markedly under changes in physical conditions. RoboTwin-Phys provides the benchmark, data, and evaluation protocol needed to systematically measure and improve robustness to physical-condition diversity in robot manipulation.
• Abstract（参考訳）: 物理条件の多様性は、ロボット操作の現在のベンチマークにほとんど欠落している。 大規模なシミュレーションベンチマークでは、オブジェクトの外観、シーンのレイアウト、視覚的な観察のバリエーションがますます多くなっていますが、基礎となる物理パラメータは固定されています。 結果として、質量の変化、摩擦、関節力学といった現実世界の変動性の重要な源は、ほとんど証明されていないままである。 本稿では,物理条件の多様性をロボット操作評価の明示的な次元として扱う物理多様性ベンチマークであるRoboTwin-Physを紹介する。 ベンチマークは、物理的に妥当な範囲で13の物理的属性を連続的に変更し、様々な物理的操作条件でポリシーを評価するための統一的な設定を提供する。 さらに, 物理属性推定, 条件対応モデリング, 物理条件付き政策トレーニングなど, 基礎的物理パラメータを用いた5,000以上の専門家による実証実験を公表した。 既存の視覚的およびレイアウト的ランダム化の下で有効であり続けるモデルは、物理的条件の変化の下で著しく劣化する可能性がある。 RoboTwin-Physは、ロボット操作における物理的条件の多様性に対する堅牢性を体系的に測定し改善するために必要なベンチマーク、データ、評価プロトコルを提供する。

関連論文リスト

• PhysReal: Learning Real-World Deformable Object Physics via Hybrid Constitutive Modeling [22.56145247266043]
  本稿では,実際の変形可能な物体の物理を学習し,シミュレーションするためのビデオ駆動型フレームワークを提案する。 PhysRealは空間的変化の異なるMPMシミュレータと3DGSを組み込んだハイブリッド・エキスパート・ニューラルモデルである。 多様な変形可能なオブジェクト相互作用の実験により、PhysRealは動的再構成および将来の状態予測において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-09-07T14:11:57Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• Learning Explicit Physical Parameter Control and Benchmarking for Video Generation [21.331326205371628]
  本稿では,物体レベルの力,質量,摩擦,再生,シーンレベルの重力を条件とした物理誘導映像拡散モデルPhyParamを提案する。 また、PhyParam-Benchは、画像とビデオの生成における物理法則の整合性を示すベンチマークである。
  論文  参考訳（メタデータ） (2026-07-21T10:06:55Z)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• ContPhy: Continuum Physical Concept Learning and Reasoning from Videos [86.63174804149216]
  ContPhyは、マシン物理常識を評価するための新しいベンチマークである。 私たちは、さまざまなAIモデルを評価し、ContPhyで満足なパフォーマンスを達成するのに依然として苦労していることがわかった。 また、近年の大規模言語モデルとパーティクルベースの物理力学モデルを組み合わせるためのオラクルモデル(ContPRO)を導入する。
  論文  参考訳（メタデータ） (2024-02-09T01:09:21Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)

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。