論文の概要: Contact as a Decision Variable: Capability-Tradeoff Contact Selection for Legged Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2609.30140v1
- Date: Thu, 24 Sep 2026 17:08:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.143579
- Title: Contact as a Decision Variable: Capability-Tradeoff Contact Selection for Legged Loco-Manipulation
- Title（参考訳）: 決定変数としての接触:レッグ式ロコマニピュレーションにおける接触選択能力
- Abstract要約: 本研究では, 環境支援接点と, 所定のロコ操作タスクに対する全身構成の同時選択について検討した。
この計算コストを削減するため,CTCS(Capability-Tradeoff Contact Selection)を提案する。
CTCSは、接触とタスクの実現可能性の候補をスクリーニングし、各表面の類似した候補をグループ化し、正確なアンカー評価からそれらの能力を予測する。
- 参考スコア（独自算出の注目度）: 12.27330413461123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we study the joint selection of an environmental support contact and a whole-body configuration for a prescribed loco-manipulation task. A contact may provide greater physical support while restricting the motion required for the task. We formulate this problem through three capability measures: residual wrench, end-effector reach, and base mobility available after satisfying the task requirements, and we balance them against contact acquisition cost. Evaluating these capabilities for every candidate requires repeated whole-body optimizations. To reduce this computational cost, we propose Capability-Tradeoff Contact Selection (CTCS). CTCS screens candidates for contact and task feasibility, groups similar candidates within each surface, and predicts their capabilities from exact anchor evaluations using local sensitivity analysis. It checks these predictions through selective exact evaluations, ranks candidates by capability, and evaluates a shortlist exactly for final selection. We evaluate CTCS in simulations and hardware experiments using a Unitree Go2 quadruped with an AgileX NERO arm across $392$ task conditions with nine available support surfaces. Results show that CTCS outperforms ground-only and fixed-contact support, as it can select support surfaces that provide favorable capability trade-offs for the task. Compared with evaluating every candidate exactly, CTCS achieves approximately $3\times$ speedup while closely matching the resulting mean objective value.
- Abstract（参考訳）: 本稿では,環境支援接点と,所定のロコ操作タスクに対する全身構成の結合選択について検討する。
接触は、タスクに必要な動作を制限しながら、より大きな物理的支援を提供することができる。
我々は,タスク要求を満たす上で,残レンチ,エンドエフェクタリーチ,ベースモビリティの3つの能力指標を用いてこの問題を定式化し,接触獲得コストに対してバランスをとる。
各候補に対してこれらの能力を評価するには、ボディ全体の最適化を繰り返す必要がある。
この計算コストを削減するため,CTCS (Capability-Tradeoff Contact Selection) を提案する。
CTCSは、接触やタスクの実現可能性の候補をスクリーニングし、各表面の類似した候補をグループ化し、局所感度分析を用いて正確なアンカー評価からその能力を予測する。
これらの予測は、選択された正確な評価を通じてチェックし、候補を能力別にランク付けし、最終選択のためのショートリストを正確に評価する。
我々は,9つのサポート面を持つ392ドルのタスク条件で,AgileX NEROアームを4倍にしたUnitree Go2を用いて,シミュレーションおよびハードウェア実験においてCTCSを評価した。
以上の結果から,CTCSは,タスクに好適な機能トレードオフを提供するサポート面を選択できるため,接地支援や固定接触支援よりも優れていた。
すべての候補を正確に評価するのと比較して、CTCSは平均的客観的値と密に一致しながら、約$3\times$スピードアップを達成する。
関連論文リスト
- Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work [51.29186915859486]
本稿では, ポストトレーニング後のQwen3.6-35B-A3Bチェックポイントをさらにトレーニングし, コスト効率の良いコワークモデルであるOccamy-1.0を提案する。
我々は,複数のハーネスにまたがる再生可能な長距離軌跡を捕捉し,段階的なポストトレーニングを用いて補完的な実行機能を開発し,統合する。
論文 参考訳（メタデータ） (2026-09-04T03:32:26Z) - Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation [3.337151338735509]
ECGリードチャネル選択のための患者条件付き取得ポリシーは、人口全体の固定プロトコルより優れている。
制御された任意マスクロジスティック評価器を用いて訓練した2つのポリシーを凍結することにより, PTB-XLに対する評価器依存性を実証的に検討した。
3つのポストホック感度分析 -- 共通基準スコア、ポリシー生成マスクとランダムマスクの混合による強評価器のトレーニング、そして、評価器が整列した強MGAポリシートレーニング -- は、それぞれ正の相互作用間隔を維持している。
論文 参考訳（メタデータ） (2026-08-27T09:04:31Z) - CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration [29.03592005523777]
LLMベースのエージェントは、記事の執筆、コーディング、情報検索に長けている。
我々は,科学者をマッチングし,人間エージェントネットワーク内で強力なコラボレーションを形成するための,双方向で学習可能な説明可能なアルゴリズムであるCOWEAVERを提案する。
論文 参考訳（メタデータ） (2026-07-17T01:35:12Z) - REAR: Test-time Preference Realignment through Reward Decomposition [68.09214603569744]
本稿では,タスクを階層化問題としてモデル化する新しいフレームワークを提案する。
これら2つの報酬項の比率を選択的に再スケールするREAR(Realignment Reward)を導出する。
我々は,REARをトークンレベルのポリシログ確率の線形結合として定式化することができ,様々なTSアルゴリズムと容易に統合できることを示す。
論文 参考訳（メタデータ） (2026-06-29T14:17:53Z) - EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。
EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。
ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
論文 参考訳（メタデータ） (2026-05-11T00:04:19Z) - Efficient Ensemble Selection from Binary and Pairwise Feedback [32.05855919168298]
マルチウィンナー投票の分布変種として選択問題を考察する。
我々は、正しい/間違った結果のタスクに対する二項フィードバックと、候補出力を優先的に比較したタスクに対するペアフィードバックの両方を解析する。
本稿では,全情報最適化はPTASを許容するが,Gap-ETHの下ではEPPTASを含まないことを示し,目的はモノトーンだが部分モジュラーではないことを示す。
論文 参考訳（メタデータ） (2026-05-10T15:01:34Z) - QUIVER: Cost-Aware Adaptive Preference Querying in Surrogate-Assisted Evolutionary Multi-Objective Optimization [0.0]
本稿では、客観評価と嗜好クエリを適応的に選択する、代理支援型進化的多目的言語であるQUIVERを紹介する。
我々はQUIVERがWFG問題に挑戦する上で最下位のユーティリティ後悔を達成していることを示す。
この適応的モダリティ選択は、行動におけるコストアウェアな嗜好学習を示す。
論文 参考訳（メタデータ） (2026-05-05T20:02:35Z) - Learning Steerable Clarification Policies with Collaborative Self-play [67.67872810596839]
不明瞭なクエリを処理するために、AIアシスタントは不確実性を管理するためのポリシーが必要である。
我々は,この不確実性を管理するために,自己再生を用いて評価可能な政策を訓練することを提案する。
このことが、提供されたコストに応じて予測可能な振る舞いを変更する、評価可能なポリシーにつながることを示す。
論文 参考訳（メタデータ） (2025-12-03T18:49:54Z) - Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。
本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。
PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
論文 参考訳（メタデータ） (2025-09-23T14:44:46Z) - AnyPos: Automated Task-Agnostic Actions for Bimanual Manipulation [24.199522837278128]
本稿では,タスク固有の条件からアクション実行を分離するタスク非依存のアクションパラダイムを提案する。
ATARAはスケーラブルなセルフ教師付きフレームワークで、人間の遠隔操作と比較して30倍以上のコレクションを高速化する。
我々はArm-Decoupled EstimationとDirection-Aware Decoderを備えた逆動的モデルであるAnyPosを提案する。
論文 参考訳（メタデータ） (2025-07-17T03:48:57Z)
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。