論文の概要: Dynamic Manipulation with World-Action Models via Counterfactual Planning

• arxiv url: http://arxiv.org/abs/2609.33172v1
• Date: Sun, 27 Sep 2026 03:48:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 02:33:03.680255
• Title: Dynamic Manipulation with World-Action Models via Counterfactual Planning
• Title（参考訳）: 対物計画によるワールド・アクション・モデルによる動的マニピュレーション
• Abstract要約: World-Actionモデルは、必要な操作スキルを持っている場合でも、動作中のターゲットを操作するのに失敗することが多い。 本研究では,実行に使用する物理状態から計画生成に使用するコンテキストを分離することにより,動的操作を対物計画として定式化する。 我々のフレームワークである動的予測計画 (Dynamic Predictive Planning, DPP) は、まずWAMの予測ロールアウトを用いて、相互作用の発生時期を推定し、このタイミング推定と観測対象の動きを組み合わせ、ターゲットの将来の相互作用位置を予測する。 そして、DPPは、この予測された目標位置を馴染みのあるロボットコンテキストに配置し、モデルが既存のロボットを起動できるようにする対物観測を構築する。
• 参考スコア（独自算出の注目度）: 44.2424326475039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World-Action models (WAMs) trained on static demonstrations often fail to manipulate moving targets even when they possess the required manipulation skills. We attribute this failure to target-response collapse: as execution advances, the policy becomes increasingly biased toward the learned continuation of its ongoing behavior and less responsive to target relocation. To bridge the gap between what the model has learned and what it can generate from the current context, we formulate dynamic manipulation as counterfactual planning by decoupling the context used for plan generation from the physical state used for execution. Our framework, Dynamic Predictive Planning (DPP), first uses the WAM's predictive rollout to estimate when an interaction is expected to occur, and combines this timing estimate with observed target motion to predict the target's future interaction position. DPP then constructs a counterfactual observation that places this predicted target position in a familiar robot context, allowing the model to invoke an existing manipulation skill rather than generate a recovery behavior from an unfamiliar robot-target configuration. The resulting plan is connected to the robot's actual state during execution. DPP enables real-time dynamic manipulation on a single consumer GPU without additional training on dynamic data. Experiments in simulation and on a real robot demonstrate consistent improvements across diverse target motions, with simulation performance surpassing all evaluated baselines, including methods additionally trained on dynamic data. Project page: https://methoder00.github.io/DPP/
• Abstract（参考訳）: 静的なデモンストレーションで訓練されたワールド・アクション・モデル(WAM)は、必要な操作スキルを持っている場合でも、動作中のターゲットを操作するのに失敗することが多い。 実行が進むにつれて、政策は、その進行中の行動の学習された継続に偏りが増し、ターゲットの移動に対する応答性が低下する。 モデルが学んだことと現在のコンテキストから何を生成するかのギャップを埋めるために、実行に使用する物理状態から計画生成に使用するコンテキストを分離することにより、動的操作を対実計画として定式化する。 我々のフレームワークである動的予測計画 (Dynamic Predictive Planning, DPP) は、まずWAMの予測ロールアウトを用いて、相互作用の発生時期を推定し、このタイミング推定と観測対象の動きを組み合わせ、ターゲットの将来の相互作用位置を予測する。 次に、DPPは、この予測対象位置を慣れ親しんだロボットコンテキストに配置し、不慣れなロボットターゲット構成から回復行動を生成するのではなく、既存の操作スキルをモデルが実行できるようにする。 結果として得られた計画は、実行中にロボットの実際の状態に接続される。 DPPは、動的データをトレーニングすることなく、単一のコンシューマGPU上でリアルタイムな動的操作を可能にする。 シミュレーション実験と実際のロボット実験は、様々な目標運動に対して一貫した改善を示し、シミュレーション性能は、動的データに付加的に訓練された方法を含む、すべての評価ベースラインを超える。 プロジェクトページ: https://methoder00.github.io/DPP/

関連論文リスト

• HIL-UMI: Bringing Human-in-the-Loop Post-Training of Vision-Language-Action Models to Universal Manipulation Interface [17.051345673499835]
  政策誘導型ユニバーサルマニピュレーションインタフェース(UMI)フレームワークであるHIL-UMIを紹介した。 ハンドヘルドUMIデモでは、HIL-UMIは予測を実行せずに、同じ観測ストリーム上の現在のポリシーをクエリする。 異なるフィードバックループでは、低オンライン優位予測は、進捗ベースの優位推定器を精算するために必要なセグメントを特定する。
  論文  参考訳（メタデータ） (2026-09-17T16:38:37Z)
• From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
  将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。 我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-12T14:15:16Z)
• mimic-video: Video-Action Models for Generalizable Robot Control Beyond VLAs [5.109732854501585]
  そこで我々は,事前学習したインターネットスケールのビデオモデルと,その潜在表現に条件付けされたフローマッチングに基づくアクションデコーダを組み合わせた,新しいビデオ・アクション・モデル(VAM)を提案する。 提案手法は,シミュレーションおよび実世界のロボット操作タスクにおける最先端性能を実現し,サンプル効率を10倍,収束速度を2倍向上させる。
  論文  参考訳（メタデータ） (2025-12-17T18:47:31Z)
• Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
  我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。 PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。 ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
  論文  参考訳（メタデータ） (2025-08-13T13:54:51Z)
• Learning Coordinated Bimanual Manipulation Policies using State Diffusion and Inverse Dynamics Models [22.826115023573205]
  我々は人間の操作戦略の予測的性質をロボット模倣学習に注入する。 我々は,将来の状態を予測し,予測状態を達成するロボット動作を計算するために拡散モデルを訓練する。 我々のフレームワークは、常に最先端のステート・ツー・アクション・マッピングポリシーを上回ります。
  論文  参考訳（メタデータ） (2025-03-30T01:25:35Z)

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。