論文の概要: ComManip: Overfitting Manipulation Policies to Comfortable Regions

• arxiv url: http://arxiv.org/abs/2609.36928v1
• Date: Tue, 29 Sep 2026 07:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.290322
• Title: ComManip: Overfitting Manipulation Policies to Comfortable Regions
• Title（参考訳）: ComManip: 操作ポリシーを快適な地域に過度に適合させる
• Abstract要約: 快適な操作領域に対する操作ポリシーを専門とする学習パラダイムであるComManipを提案する。 我々は、複数の操作タスク、実証予算、ACT、$_0.5$、RTT、OpenVLA-OFT、SmolVLAを含むポリシーファミリに対して実験を行う。
• 参考スコア（独自算出の注目度）: 13.809019252247765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training robot manipulation policies relies on costly robot demonstrations, making large-scale data collection impractical. Meanwhile, to improve policy generalization, existing approaches seek greater diversity in visual observations by varying object placements, viewpoints, and robot configurations during data collection. However, under a limited demonstration budget, this strategy forces the policy to model diverse visual observations, providing insufficient supervision to learn reliable observation-action correspondences under similar local conditions. Our study reveals that policies trained under this strategy achieve lower task success rates than those trained within a compact, visually and kinematically stable region. We refer to these stable regions as comfortable manipulation regions. To exploit this finding, we propose ComManip, a learning paradigm that specializes manipulation policies to comfortable manipulation regions. During inference, ComManip repositions the mobile base until the detected target center enters the familiar image-space range estimated from comfortable-region demonstrations. It then executes the same manipulation policy, enabling effective manipulation across diverse target locations. We conduct extensive experiments across multiple manipulation tasks, demonstration budgets, and policy families including ACT, $π_{0.5}$, RDT, OpenVLA-OFT, and SmolVLA. The results demonstrate that ComManip improves task success by roughly 20 percentage points or more across different policy architectures in large workspaces under limited demonstration budgets, suggesting that specializing manipulation policies to comfortable regions provides a more data-efficient learning paradigm for manipulation.
• Abstract（参考訳）: トレーニングロボットの操作ポリシーは高価なロボットのデモンストレーションに依存しており、大規模なデータ収集は現実的ではない。 一方、政策の一般化を改善するため、既存のアプローチでは、データ収集中のさまざまな物体配置、視点、ロボット構成による視覚観察の多様性の向上が求められている。 しかし、限られた実証予算の下では、この戦略はポリシーに様々な視覚的観察をモデル化させ、同様の局地的な状況下で信頼できる観察・行動対応を学習するための十分な監督を提供する。 本研究は、この戦略の下で訓練された政策が、コンパクトで視覚的かつ運動学的に安定な領域で訓練された政策よりも低いタスク成功率を達成することを明らかにする。 これらの安定な地域を快適な操作地域と呼ぶ。 この発見を生かしたComManipは,操作を快適に操作できるための操作ポリシーを専門とする学習パラダイムである。 推測中、ComManipは、検出されたターゲットセンタが快適な地域デモから推定される使い慣れた画像空間範囲に入るまで、移動体ベースを再配置する。 そして、同じ操作ポリシーを実行し、多様なターゲット位置を効果的に操作できるようにする。 我々は、複数の操作タスク、実証予算、ACT、$π_{0.5}$、RTT、OpenVLA-OFT、SmolVLAを含むポリシーファミリに対して広範な実験を行う。 その結果、ComManipは、限られた実証予算の下で、大規模なワークスペース内の異なるポリシーアーキテクチャに対して、タスク成功率を約20ポイント以上改善し、操作にデータ効率のよい学習パラダイムを提供することが示唆された。

関連論文リスト

• 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)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• Latent Policy Steering with Embodiment-Agnostic Pretrained World Models [7.706435284226842]
  我々は,既存の費用対効果のあるデータを活用することで,ロボットの動作を学習する際のデータ収集の労力を削減することを目的としている。 我々は,多身体データを用いた世界モデル(WM)のトレーニングを行うために,光学フローを具体化に依存しない動作表現として利用する。 我々は,WMの潜在空間を探索して行動閉鎖ポリシーの出力を改善する手法,LPS (Latent Policy Steering) を開発した。
  論文  参考訳（メタデータ） (2025-07-17T17:57:57Z)
• Learning from 10 Demos: Generalisable and Sample-Efficient Policy Learning with Oriented Affordance Frames [10.738838923944876]
  既存の方法は、タスクのバリエーションをカバーするために、かなりの数のデモを必要とする。 我々は、状態空間と行動空間の構造化表現である指向性アプライアンスフレームを導入する。 この抽象化によって、独立に訓練されたサブ政治の構成的一般化が可能となることを示す。 本手法は実世界の3つのタスクにまたがって検証し,多段階多目的インタラクションを必要とする。
  論文  参考訳（メタデータ） (2024-10-15T23:57:35Z)
• Evaluating Real-World Robot Manipulation Policies in Simulation [91.55267186958892]
  実環境と模擬環境の制御と視覚的格差は、信頼性のある模擬評価の鍵となる課題である。 実環境に完全忠実なデジタル双生児を作らなくても、これらのギャップを軽減できる手法を提案する。 シミュレーション環境の集合体であるSIMPLERを作成した。
  論文  参考訳（メタデータ） (2024-05-09T17:30:16Z)
• Robust Visual Sim-to-Real Transfer for Robotic Manipulation [79.66851068682779]
  シミュレーションにおけるビジュモータポリシーの学習は、現実世界よりも安全で安価である。 しかし、シミュレーションデータと実データとの相違により、シミュレータ訓練されたポリシーは実際のロボットに転送されると失敗することが多い。 視覚的なsim-to-real領域ギャップを埋める一般的なアプローチは、ドメインランダム化(DR)である。
  論文  参考訳（メタデータ） (2023-07-28T05:47:24Z)
• PARTNR: Pick and place Ambiguity Resolving by Trustworthy iNteractive leaRning [5.046831208137847]
  本稿では,選択と配置のポーズにおける複数のモーダルを解析することにより,訓練されたポリシーのあいまいさを検出できるPartinNRアルゴリズムを提案する。 PartNRは、追加のユーザデモが必要なかどうかを判断する適応型、感度ベースのゲーティング機能を採用している。 テーブルトップのピック・アンド・プレイス・タスクにおけるPartinNRの性能を実演する。
  論文  参考訳（メタデータ） (2022-11-15T17:07:40Z)
• Trajectory-based Reinforcement Learning of Non-prehensile Manipulation Skills for Semi-Autonomous Teleoperation [18.782289957834475]
  本稿では,RGB-Dセンサを用いたピックアップ・アンド・プレイスタスクのための半自律遠隔操作フレームワークを提案する。 トラジェクトリに基づく強化学習を用いて、非包括的操作を学習し、物体を再構成する。 提案手法は,握り時間の観点から手動キーボード制御よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-09-27T14:27:28Z)
• Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
  6-DoF操作設定に合わせたデータ収集システムを構築します。 システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。 介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
  論文  参考訳（メタデータ） (2020-12-12T05:30:35Z)
• Guided Uncertainty-Aware Policy Optimization: Combining Learning and Model-Based Strategies for Sample-Efficient Policy Learning [75.56839075060819]
  従来のロボットのアプローチは、環境の正確なモデル、タスクの実行方法の詳細な説明、現在の状態を追跡するための堅牢な認識システムに依存している。 強化学習アプローチは、タスクを記述するための報酬信号だけで、生の感覚入力から直接操作することができるが、非常にサンプル非効率で脆弱である。 本研究では,ロボットの知覚・運動パイプラインにおける不正確さを克服できる一般的な手法を得るために,モデルに基づく手法の強みと学習に基づく手法の柔軟性を組み合わせる。
  論文  参考訳（メタデータ） (2020-05-21T19:47:05Z)

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。