Fugu-MT 論文翻訳(概要): Zero-Shot Reactive Obstacle Avoidance for Generative Robot Policies

論文の概要: Zero-Shot Reactive Obstacle Avoidance for Generative Robot Policies

arxiv url: http://arxiv.org/abs/2609.35231v2
Date: Tue, 29 Sep 2026 03:29:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-02 16:36:13.149238
Title: Zero-Shot Reactive Obstacle Avoidance for Generative Robot Policies
Title（参考訳）: 生成ロボット政策のためのゼロショット反応性障害物回避
Abstract要約: NUDGE (Nudge Update via Differentiable GEometry) は、トレーニング不要な障害物回避手順である。拡散やフローマッチングに基づいた任意のロボットポリシーに組み込むことができる。実験の結果,NUDGEはポリシーのタスク分布を保存し,リアルタイムに実行可能であることがわかった。
参考スコア（独自算出の注目度）: 14.498314462218394
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose NUDGE (Nudge Update via Differentiable GEometry), a training-free obstacle-avoidance procedure that can be incorporated in any robot policy based on diffusion or flow matching, including diffusion policies and vision-language-action models. Our work injects gradients from a signed distance field, a function returning each point's distance to the nearest obstacle, into the policy at inference time to steer it away from obstacles. It supports any common action parameterization, from absolute or relative joint poses to end-effector poses, through a differentiable joint-trajectory decoder. Experiments show that NUDGE preserves the policy's task distribution and runs reactively in real time.
Abstract（参考訳）: NUDGE(Nudge Update via Differentiable GEometry)は、拡散ポリシーや視覚言語アクションモデルを含む拡散やフローマッチングに基づく任意のロボットポリシーに組み込むことができる訓練不要な障害物回避手順である。我々の研究は、各点の距離を最も近い障害物に戻す関数である符号付き距離場から勾配を推論時のポリシーに注入し、障害物から遠ざける。絶対または相対的な関節ポーズから終端エフェクターポーズまで、任意の共通のアクションパラメータ化をサポートする。実験の結果,NUDGEはポリシーのタスク分布を保存し,リアルタイムに実行可能であることがわかった。

関連論文リスト

A Single Diffusion-Policy Controller for Multi-Task Block Pushing with Zero-Shot Sim-to-Real Transfer [15.906272895307664]
マルチタスクロボット操作のための強化学習(RL)を用いて,スクラッチからトレーニング拡散ポリシーを検討する。我々は,複数形状のブロック処理タスクに対して,単一の拡散ポリシをトレーニングすることを目指している。学習した拡散政策が環境条件の異なる実世界のタスクにゼロショットで移行するかどうかを評価する。
論文参考訳（メタデータ） (2026-07-12T19:48:46Z)
From Outcomes to Actions: Leveraging Hindsight for Long-Horizon Language Agent Training [55.744284393275926]
強化学習(RL)は,複雑なタスクにおいて大規模言語モデル(LLM)を改善する手法として広く採用されている。既存のRL法は、長い水平相互作用を持つ訓練エージェントの課題に直面している。本稿では,現在の政策分布と後向き分布の両方を意図空間に投影する,新しい政策勾配法,HPO(Hindsight Policy Optimization)を提案する。
論文参考訳（メタデータ） (2026-06-28T08:35:47Z)
Temporal Logic Guidance for Action-Only Diffusion Policies with World Models [0.764671395172401]
拡散ポリシはマルチモーダルロボットの動作を可能にするが、推論時に動作モードを選択する能力に制限がある。本研究では,STLの識別可能な評価を可能にするために,個別の学習世界モデルを用いた行動専用拡散ポリシーの新しいガイダンス手法を提案する。これにより、再トレーニングを伴わずに制約満足度に向かっての行動が促進され、タスク性能を維持しながら制約順守が改善される。
論文参考訳（メタデータ） (2026-06-22T00:12:44Z)
Pose-Agnostic Robotic Functional Grasping via Observation-Action Canonicalization [29.2994731532375]
機能的なロボットの把握には、多様なオブジェクトのジオメトリやポーズを一般化するポリシーが必要である。我々はこの課題を、細いハンドル、インスタンスの変動、直立または逆転配置が物体の形状に敏感な知覚と制御の両方をもたらす、マグハンドグルーピングを通じて研究する。本研究では,単一閉ループポリシーをシミュレーションで完全に訓練し,実ロボットにゼロショットで展開する機能把握のための正規化ビズモータ強化学習フレームワークであるAnyMugを提案する。
論文参考訳（メタデータ） (2026-06-19T06:37:43Z)
LAGO Policy: Latency-Aware Asynchronous Diffusion Policies with Goal-Directed Collision-Free Planning for Smooth Manipulation [13.705916129860071]
拡散に基づくビジュモータポリシーは、しばしばチャンク間不連続を示し、障害物認識実行の明確なメカニズムを欠いている。本稿では,軌道最適化と拡散ポリシを統合した非同期動作生成フレームワークであるLAGO Policyを提案する。
論文参考訳（メタデータ） (2026-06-16T14:33:51Z)
Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
Referring-Aware Visuomotor Policy(ReV)について紹介する。 ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
論文参考訳（メタデータ） (2026-04-07T07:41:11Z)
Learning Policy Representations for Steerable Behavior Synthesis [80.4542176039074]
マルコフ決定プロセス(MDP)を前提として,テスト時の行動ステアリングを促進するために,さまざまなポリシーの表現を学習する。これらの表現は、セットベースアーキテクチャを用いて、様々なポリシーに対して均一に近似できることを示す。変動生成法を用いてスムーズな潜伏空間を導出し,さらにコントラスト学習により、潜伏距離が値関数の差と一致するように形成する。
論文参考訳（メタデータ） (2026-01-29T21:52:06Z)
CHDP: Cooperative Hybrid Diffusion Policies for Reinforcement Learning in Parameterized Action Space [9.192754462575218]
ハイブリッド行動空間問題を解決するために,textbfCooperative Hybrid Diffusion Policies (CHDP) フレームワークを提案する。 CHDPは、それぞれ離散的および連続的な拡散ポリシーを利用する2つの協調エージェントを採用している。挑戦的なハイブリッドアクションベンチマークでは、CHDPは最先端の手法を最大19.3%の成功率で上回っている。
論文参考訳（メタデータ） (2026-01-09T09:50:47Z)
Inference-Time Policy Steering through Human Interactions [54.02655062969934]
推論中、人間はしばしばポリシー実行ループから取り除かれる。本稿では,人間のインタラクションを活用して生成するサンプリングプロセスにバイアスを与える推論時ポリシーステアリングフレームワークを提案する。提案手法は,アライメントと分布シフトの最良のトレードオフを実現する。
論文参考訳（メタデータ） (2024-11-25T18:03:50Z)
Object-Aware Regularization for Addressing Causal Confusion in Imitation Learning [131.1852444489217]
本稿では,オブジェクト認識方式で模倣ポリシーを標準化する手法として,オブジェクト認識型RegularizatiOn(OREO)を提案する。我々の主な考えは、政策が専門家の行動と強く相関するニュアンス変数を悪用することを防ぐために、政策が全ての意味オブジェクトに均一に出席することを奨励することである。
論文参考訳（メタデータ） (2021-10-27T01:56:23Z)

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。