論文の概要: Test-Time Adaptation of Manipulation Policies Under Actuator Degradation

• arxiv url: http://arxiv.org/abs/2609.36182v1
• Date: Mon, 28 Sep 2026 19:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 04:28:51.324141
• Title: Test-Time Adaptation of Manipulation Policies Under Actuator Degradation
• Title（参考訳）: アクチュエータ劣化下におけるマニピュレーションポリシのテスト時間適応
• Abstract要約: 本稿では,凍結操作ポリシをテレメトリ条件付きポリシに変換するポリシ非依存の方法であるTeAR(Teremetry-Aware Action Rectification)を紹介する。 我々は,8つのポリシーファミリーと5つの操作タスクにまたがる18のポリシータスクペアを対象にTeARを評価した。
• 参考スコア（独自算出の注目度）: 6.8861571202336584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot manipulation policies are usually trained under the assumption that a commanded action produces the same motion as it did during training even after hours of operation. Real hardware violates this assumption as the motors gradually heat up, current saturates near contact, voltage sags under load, thus the same policy action can produce a weaker, delayed, or noisier motion. These conditions are already measured by onboard telemetry, such as joint temperature, motor current, and supply voltage, yet this signal is typically used only for logging or safety checks rather than policy adaptation. We introduce Telemetry-Aware Action Rectification (TeAR), a policy-agnostic method that turns a frozen manipulation policy into a telemetry-conditioned policy by rectifying its outgoing action before it reaches the low-level controller. TeAR learns a lightweight Transformer that combines the proposed action with live actuator telemetry and amplifies, damps, or biases individual action components. We evaluate TeAR across 18 policy-task pairs spanning 8 policy families and 5 manipulation tasks. In an additional paired evaluation with degradation-model mismatch, TeAR achieves 31.8% success, compared with 25.6% for the base policy and 30.6% for an assumed-model inverse. On a physical arm, TeAR improves success under heating by 10-15% without on-robot fine-tuning.
• Abstract（参考訳）: ロボット操作ポリシーは、通常、命令された動作が、数時間の手術後も訓練中に行われたのと同じ動きを発生させるという仮定の下で訓練される。 実際のハードウェアはこの仮定に反し、モーターは徐々に加熱され、電流は接触近くで飽和し、電圧は負荷下にある。 これらの条件は、関節温度、モータ電流、サプライ電圧などの搭載テレメトリによって既に測定されているが、この信号は通常、政策適応よりもロギングや安全チェックにのみ使用される。 本稿では,低レベルコントローラに到達する前に遠隔操作を修正し,凍結操作ポリシーを遠隔操作ポリシーに変換するポリシ非依存のTeARについて紹介する。 TeARは、提案されたアクションとライブアクチュエータテレメトリを組み合わせた軽量なトランスフォーマーを学び、個々のアクションコンポーネントを増幅、減衰、あるいはバイアスする。 我々は,8つのポリシーファミリーと5つの操作タスクにまたがる18のポリシータスクペアを対象にTeARを評価した。 分解モデルミスマッチによる追加のペア評価では、TeARは基本方針の25.6%、仮定モデル逆転の30.6%に対して31.8%の成功を達成した。 物理的アームでは、TeARはロボットの微調整なしで10～15%の加熱で成功を収める。

関連論文リスト

• Don't Throw Away the Tail: Action Upcycling for Policy Acceleration [43.910503270915825]
  Action Upcyclingはトレーニング不要のアルゴリズムで、ポリシーが破棄されるアクションを再利用する。 政策コールを1.2-1.7倍に減らし、成功率を損なわない。 それは無視できるコストで、どんな政策にも当てはまる。
  論文  参考訳（メタデータ） (2026-09-28T11:13:18Z)
• CodeActionBench: Evaluating Agentic Code-as-Policy for Embodied Manipulation [55.1660787557339]
  CodeActionBenchは、エージェント的なCode-as-Policyを通じてこの機能を評価する25の操作タスクのベンチマークである。 共有ロボットAPIは、RGB観測、校正された幾何学的操作、ロボットのフィードバック、および有界運動を提供し、タスク依存の判断を評価対象に残す。 9つの構成と675の試行で大規模な評価が行われ、成功率は2.7%から73.3%である。 最も強力な構成であるGPT-6 Astra with Codex CLIは、3回の試行で少なくとも25タスクのうち22タスクを解決した。
  論文  参考訳（メタデータ） (2026-09-27T17:59:31Z)
• PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
  アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。 連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。 提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
  論文  参考訳（メタデータ） (2026-09-21T16:20:25Z)
• Proxy Policy Steering [18.880191675273796]
  汎用的なロボットポリシーは、大規模なデータから幅広い操作を先取りするが、それらを新しいタスクに専門化することは、デプロイメントのボトルネックのままである。 本稿では、この課題を解決する推論時適応法であるプロキシポリシーステアリング(PPS)を紹介する。 PPSは最先端のpi 0.5ベースポリシーを平均53%の絶対的な成功率で引き上げ、ベースが解決しないタスクでゼロ対1のゲインを得る。
  論文  参考訳（メタデータ） (2026-09-08T17:59:03Z)
• ORPA: Online Residual Policy Adaptation for Robot Manipulation Control with Human Feedback [1.711436622393758]
  オンライン残留ポリシー適応(英語: Online Residual Policy Adaptation、ORPA)は、ロボット行動のフィードバック駆動による修正を可能にするフレームワークである。 ORPAは事前訓練された制御ポリシーを軽量でフィードバック条件付きモジュールで拡張し、関節空間内での残留調整を直接予測する。 ORPAをALOHAプラットフォームを用いて精度の高い操作タスクのセットで評価し、ベースライン制御ポリシやルールベースの逆運動学補正と比較して、小さな摂動による成功率と回復率の改善を実証した。
  論文  参考訳（メタデータ） (2026-08-18T03:30:12Z)
• Learning Hybrid-Control Policies for High-Precision In-Contact Manipulation Under Uncertainty [13.173545520334871]
  本稿では,各制御次元において,力や位置制御をいつ使うかを選択するためのハイブリッドな位置力制御ポリシーを提案する。 MATCHはポーズ制御ポリシーを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-21T16:55:48Z)
• Flow Policy Gradients for Robot Control [67.61978635211048]
  フローマッチングポリシ勾配は、より表現力のあるポリシのトレーニングと微調整に有効である。 我々は、スクラッチからトレーニングを行う際に、フロー表現をどのように活用するかを示し、ベースラインよりもきめ細やかな堅牢性を改善する。
  論文  参考訳（メタデータ） (2026-02-02T18:56:49Z)
• Data-driven control of hydraulic impact hammers under strict operational and control constraints [3.896522371366838]
  本稿では,静水圧衝撃ハンマー(ロックブレーカー)の制御のためのデータ駆動方式を提案する。 提案手法では,センサの制限による観測不能な状態変数など,いくつかの制約が考慮されている。 ポリシー合成では、強化学習(RL)とモデル予測制御(MPC)のアルゴリズムが併用され、対比される。
  論文  参考訳（メタデータ） (2026-01-12T18:45:41Z)
• Conformal Policy Learning for Sensorimotor Control Under Distribution Shifts [61.929388479847525]
  本稿では,センサコントローラの観測値の分布変化を検知・応答する問題に焦点をあてる。 鍵となる考え方は、整合量子を入力として取ることができるスイッチングポリシーの設計である。 本稿では, 基本方針を異なる特性で切り替えるために, 共形量子関数を用いてこのようなポリシーを設計する方法を示す。
  論文  参考訳（メタデータ） (2023-11-02T17:59:30Z)
• Dichotomy of Control: Separating What You Can Control from What You Cannot [129.62135987416164]
  政策の制御(行動)と政策の制御(環境)以外のメカニズムを分離する将来の条件付き教師あり学習フレームワークを提案する。 我々は,DoCが条件付入力と整合したポリシを出力し,学習したポリシを所望のハイリターン未来結果に条件付けすることで,高リターン行動が正しく引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:49:56Z)

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。